محققان به تازگی در مقاله جدیدی به بررسی چالشهای استفاده از دادههای ابری سه بعدی در محیطهای حساس به حریم خصوصی پرداختهاند. در این تحقیق، ترکیب یادگیری فدرال (FL) و تقطیر دانش (KD) برای طبقهبندی ابر نقاط (Point Cloud) به دقت ارزیابی شده است.
نکات کلیدی این پژوهش:
🔹 بررسی ۱۳ الگوریتم یادگیری فدرال و ۱۰ روش تقطیر دانش در بیش از ۵۰۰ سناریوی آموزشی.
🔹 کاهش ۷۴ درصدی حجم مدلها و افزایش سرعت استنتاج با استفاده از تقطیر دانش.
🔹 شناسایی یک حفره امنیتی در خطلولههای ترکیبی که میتواند منجر به افشای اطلاعات حساس شود.
این تحقیق نشان میدهد که با وجود پیشرفتها، باید مراقب خطاهای ارزیابی در مدلهای فدرال باشیم تا حریم خصوصی دادهها به درستی حفظ شود. 🛡️
منبع: arXiv AI
