Federe öğrenme nedir?
Federe öğrenme, veriyi tek merkezde toplamadan birden çok cihaz veya kurumun ortak model eğitimine katkı verdiği yaklaşımdır.
Çalışma mantığı ve kullanım alanları
Her katılımcı kendi verisi üzerinde yerel hesaplama yapar; model güncellemeleri birleştirilir. Telefon klavyesi veya kurumlar arası araştırma gibi alanlarda yararlı olabilir. Bununla birlikte güncellemelerden bilgi sızma olasılığı, farklı veri dağılımları ve katılımcı cihazların sık sık çevrimdışı olması mühendislik sorunlarıdır. Ham verinin taşınmaması tek başına tam mahremiyet sağlamaz.
Sınırlar, güvenlik ve seçim ölçütleri
Güvenli toplama ve kimi durumlarda diferansiyel gizlilik ek koruma sağlayabilir; bunlar doğruluk, iletişim maliyeti ve açıklanabilirlikle dengelenir. Katılımcının onayı, verinin kullanım amacı ve zararlı güncellemelerin tespiti yönetişim konularıdır. Sistemin başarısı yalnız model puanıyla değil gerçek dağıtım koşullarıyla ölçülmelidir. Örneğin birden fazla hastane, hasta kayıtlarını tek merkeze taşımadan kendi verisi üzerinde model güncellemesi hesaplayabilir. Sunucu bu güncellemeleri birleştirerek ortak modeli geliştirir. Ancak güncellemelerden bilgi sızması ihtimali bütünüyle ortadan kalkmaz; güvenli toplama, erişim denetimi ve gerektiğinde diferansiyel gizlilik ayrıca değerlendirilir. Kurumların veri dağılımı farklıysa model bir hastanede iyi, diğerinde zayıf sonuç verebilir. Katılımcıların bağlantı hızı, işlem gücü ve eğitim takvimi de tasarımı etkiler. Başarı yalnız doğrulukla değil, veri yönetişimi ve kurumlar arası eşit performansla ölçülmelidir.