Глоссарий ИИ
Полный словарь искусственного интеллекта
TensorFlow Federated
Открытый фреймворк, разработанный Google для федеративного обучения, интегрированный с TensorFlow и позволяющий моделировать и развертывать алгоритмы распределенного обучения на децентрализованных данных.
PySyft
Открытая библиотека Python для федеративного обучения и защиты конфиденциальности, объединяющая PyTorch с методами криптографии и безопасного разделения секретов.
Flower Framework
Фреймворк для федеративного обучения, независимый от ML-фреймворков, предлагающий гибкую архитектуру для развертывания систем федеративного обучения с гетерогенными клиентами и настраиваемыми стратегиями агрегации.
FedML
Библиотека для исследований и производства в области федеративного обучения, MLOps и бенчмаркинга, предоставляющая комплексную платформу для разработки и развертывания приложений федеративного обучения в крупном масштабе.
OpenFL
Открытый фреймворк для федеративного обучения в медицинских и здравоохранительных средах, разработанный Intel и специально созданный для требований конфиденциальности и соответствия HIPAA.
Substrato
Открытая платформа федеративного обучения на основе Kubernetes, позволяющая оркестрировать рабочие нагрузки распределенного обучения с усиленной изоляцией и безопасностью между участниками.
LEAF
Открытый бенчмарк для федеративного обучения, предоставляющий реалистичные разделенные наборы данных и эталонные реализации для оценки алгоритмов в гетерогенных условиях.
FedAvg
Фундаментальный алгоритм агрегации в федеративном обучении, выполняющий взвешенное усреднение локальных моделей клиентов на основе размера их наборов данных, служащий основой для многих вариантов.
FedProx
Расширение FedAvg, добавляющее проксимальный регуляризационный член к локальной цели для управления системной и статистической неоднородностью между клиентами, улучшая сходимость в не-IID средах.
SCAFFOLD
Алгоритм федеративного обучения, исправляющий смещение градиента клиент-сервер (client-drift) с использованием контрольных переменных для стабилизации обучения в сильно неоднородных сценариях.
FedBN
Техника федеративного обучения, локально сохраняющая статистику Batch Normalization для каждого клиента, позволяющая лучше управлять не-IID распределениями данных между участниками.
FedOpt
Семейство серверных оптимизаторов для федеративного обучения, применяющих адаптивные методы оптимизации, такие как Adam или Yogi, непосредственно к процессу агрегации глобальных моделей.
FedPer
Подход федеративного обучения, разделяющий параметры модели на базовые (глобально общие) и персонализированные (локальные), позволяющий эффективную персонализацию при сохранении сотрудничества.
Aggregation Server
Центральный компонент в федеративной архитектуре, собирающий локальные обновления от клиентов, выполняющий алгоритм агрегации и распределяющий обновленную глобальную модель участникам.
Client Library
Набор клиентских программных инструментов, реализующих протоколы связи, безопасное локальное обучение и управление жизненным циклом моделей в системе федеративного обучения.
Secure Aggregation
Криптографический протокол, позволяющий серверу агрегировать обновления моделей без доступа к индивидуальным обновлениям клиентов, сохраняя конфиденциальность локальных вкладов.
Гомоморфное шифрование
Криптографическая техника, позволяющая выполнять вычисления непосредственно на зашифрованных данных, используемая в федеративном обучении для агрегации моделей без расшифровки клиентских вкладов.