یکی از چالشهای بزرگ در یادگیری فدرال (Federated Learning)، ایجاد تعادل بین شخصیسازی و امنیت دادههاست. معمولاً برای این کار به یک ناظر مرکزی نیاز داریم که خودش میتواند نقطه ضعف باشد.
محققان در مقاله جدیدی از فریمورک «TPFed» رونمایی کردهاند که یک سیستم یادگیری فدرال غیرمتمرکز و بدون نیاز به اعتماد (Trust-free) است. این مدل با استفاده از بلاکچین و الگوریتمهای هوشمند، امکان همکاری امن و خصوصی را بین شرکتکنندگان فراهم میکند بدون اینکه نیاز باشد مدلهای محلی یا دادهها در معرض خطر قرار بگیرند.
نتیجه این پژوهش، دقت بالاتر و مقاومت بیشتر در برابر حملات خصمانه است که قدمی بزرگ برای دنیای هوش مصنوعیِ غیرمتمرکز محسوب میشود. 🤖🌐
منبع: arXiv AI