¿Qué es el aprendizaje federado?
En el aprendizaje federado, el Modelos entrenados simultáneamente en varias máquinas. Esto se hace de forma descentralizada y sin ninguna cesión o intercambio de información sensible. Así, los datos correspondientes permanecen en todo momento en poder de sus respectivos propietarios. El modelo central de análisis sólo recibe los resultados del aprendizaje y los parámetros de los modelos individuales.
El aprendizaje federado permite mejorar la calidad del modelo para Aprendizaje automático mejorar significativamente la calidad de la Política de privacidad que cumplir. De este modo, se forma un modelo muy central a partir de una plétora de modelos de análisis individuales de distintos participantes.
La gran ventaja es que el efecto de aprendizaje creado al incorporar información de diferentes Datos de formación se refuerza masivamente. El entrenamiento se realiza en varios dispositivos en paralelo, con lo que aumenta la precisión del modelo.
El aprendizaje federado puede ofrecer a las empresas de aprendizaje automático la oportunidad de conseguir el desarrollo de procesos y servicios basados en datos incluso con datos limitados. El aprendizaje federado tiene el potencial de ahorrar costes y generar un alto valor añadido.
¿Cómo funciona el Aprendizaje Federado de Cohortes (FLoC)?
El aprendizaje federado de cohortes, abreviado FLoC, forma parte de la iniciativa Google Privacy Sandbox. Se trata de un tipo de seguimiento web. El comportamiento de uso de todos los usuarios puede ser evaluado directamente por el propio navegador y los usuarios se agrupan en determinadas categorías. Los usuarios reciben entonces publicidad basada en sus intereses.
El modo de funcionamiento va mediante hashing, generando ID de cohorte en el navegador. Para ello se utilizan algoritmos SimHash. El historial del navegador puede cifrarse utilizando valores hash. La privacidad está protegida porque FLoC sustituye a las cookies de terceros y a las huellas dactilares.
No obstante, es posible la publicidad dirigida a los usuarios. Los usuarios se agrupan según los valores correspondientes y se les puede dirigir publicidad. Se puede acceder a los ID de cohorte a través de una API. Se crean cada semana. Los desarrolladores reciben, por ejemplo, a través de TensorFlow un marco de aprendizaje federado que permite computar datos descentralizados y derivar tipos de usuario personalizados para los anunciantes.
¿Qué marco se utiliza para establecer el aprendizaje federal?
A Possibility es el conocido marco de aprendizaje automático "Flower".. Este marco se desarrolló en 2020 y es especialmente ventajoso debido a su amplia distribución y alta escalabilidad. La infraestructura ha demostrado ser muy exitosa, especialmente debido a la alta facilidad de uso de Flower.
