Giữ cho đơn giản: Đánh giá khả năng chịu lỗi của học liên kết với các khách hàng không đáng tin cậy
Author
Venue
IEEE Cloud 2023
Abstract
Học liên kết (FL), với tư cách là một phương pháp trí tuệ nhân tạo (AI) mới nổi, cho phép đào tạo mô hình phi tập trung trên nhiều thiết bị mà không cần tiết lộ dữ liệu đào tạo cục bộ của chúng. FL đang ngày càng trở nên phổ biến trong cả giới học thuật và công nghiệp. Mặc dù đã có các công trình nghiên cứu đề xuất nhằm cải thiện khả năng chịu lỗi của FL, nhưng tác động thực tế của các thiết bị không đáng tin cậy (ví dụ: ngắt kết nối, cấu hình sai, chất lượng dữ liệu kém) trong các ứng dụng thực tế vẫn chưa được nghiên cứu đầy đủ. Chúng tôi đã cẩn thận lựa chọn hai bài toán phân loại thực tế tiêu biểu với số lượng khách hàng hạn chế để phân tích khả năng chịu lỗi của FL một cách hiệu quả hơn. Trái với trực giác, các thuật toán FL đơn giản có thể hoạt động tốt một cách đáng ngạc nhiên ngay cả khi có sự hiện diện của các khách hàng không đáng tin cậy
