محققان به تازگی فریمورک نوآورانهای به نام PRoVeFL معرفی کردهاند که میتواند چالشهای امنیتی در یادگیری فدرال را متحول کند. تا امروز، تعادل برقرار کردن میان «حریم خصوصی»، «اعتبار دادهها» و «سرعت محاسباتی» یک معضل بزرگ بود، اما این سیستم جدید با استفاده از «رمزنگاری همریخت» (Fully Homomorphic Encryption) و ترکیب آن با روشهای مقاومسازی در برابر حملات مخرب، گامی رو به جلو برداشته است.
این فریمورک اجازه میدهد مدلهای هوش مصنوعی بدون نیاز به اشتراکگذاری دادههای حساس کاربران و با اطمینان از سلامت دادههای آموزشی (Byzantine-Robustness) آموزش ببینند. این یعنی امنیت بیشتر برای سیستمهای یادگیری توزیعشده! 🚀
منبع: arXiv AI