Systems
シンプルに：信頼性の低いクライアントを用いたフェデレーテッドラーニングの耐障害性評価
Author
Venue
IEEE Cloud 2023
Abstract
フェデレーテッドラーニング（FL）は、新たな人工知能（AI）アプローチとして、各デバイスのローカルな学習データを公開することなく、複数のデバイス間で分散型のモデル学習を可能にします。FLは、学術界および産業界の両方でますます注目を集めています。FLの耐障害性を向上させるための研究は提案されていますが、実世界でのアプリケーションにおいて、信頼性の低いデバイス（例：接続切断、設定ミス、データ品質の低下）が及ぼす実際の影響については、十分に調査されていません。 我々は、FLの耐障害性をより詳細に分析するため、クライアント数が限られた2つの代表的な実世界分類問題を慎重に選択した。直感に反して、単純なFLアルゴリズムであっても、信頼性の低いクライアントが存在する場合でも驚くほど良好な性能を発揮することがわかった
