Simplifique: Avaliação da tolerância a falhas do aprendizado federado com clientes não confiáveis
Author
Venue
IEEE Cloud 2023
Abstract
O aprendizado federado (FL), como uma abordagem emergente de inteligência artificial (IA), permite o treinamento descentralizado de modelos em vários dispositivos sem expor seus dados de treinamento locais. O FL vem ganhando cada vez mais popularidade tanto na academia quanto na indústria. Embora tenham sido propostos trabalhos de pesquisa para melhorar a tolerância a falhas do FL, o impacto real de dispositivos não confiáveis (por exemplo, desligamentos, configuração incorreta, baixa qualidade dos dados) em aplicações do mundo real ainda não foi totalmente investigado. Escolhemos cuidadosamente dois problemas de classificação representativos do mundo real, com um número limitado de clientes, para analisar melhor a tolerância a falhas da FL. Ao contrário do que se poderia imaginar, algoritmos simples de FL podem apresentar um desempenho surpreendentemente bom na presença de clientes não confiáveis
