محققان روش جدیدی به نام FedKT-CSD را معرفی کردهاند که تحولی در «یادگیری فدرال» (Federated Learning) ایجاد میکند. چالش اصلی در یادگیری فدرال، برقراری تعادل بین حریم خصوصی کاربران، کاهش حجم انتقال داده و کیفیت مدل نهایی است.
این فریمورک با استفاده از دادههای سنتتیک (مصنوعی) و رمزگذاری اطلاعات در یک فضای نهفته، اجازه میدهد مدلهای قدرتمند بدون نیاز به اشتراکگذاری دادههای خام کاربران آموزش ببینند. جالبتر اینکه این روش با اعمال «حریم خصوصی تفاضلی» (Differential Privacy)، امنیت دادهها را به صورت تضمینشده حفظ میکند و حتی در شرایطی که دادههای کلاینتها ناهمگون باشد، عملکرد خیرهکنندهای دارد.
قدمی مهم برای آیندهای که در آن هوش مصنوعی هم هوشمندتر و هم خصوصیتر خواهد بود! 🧠🔐
منبع: arXiv AI