Fødereret læring

Federated Learning er et distribueret maskinlæringsparadigme introduceret af McMahan et al. i 2017, hvor en global model trænes kollaborativt på tværs af flere decentraliserede klienter – såsom mobile enheder eller hospitalsystemer – uden nogensinde at overføre rådata til en central server. Hver deltager beregner modelopdateringer lokalt ved hjælp af sine private data; kun disse opdateringer, ikke de underliggende data, kommunikeres og aggregeres af serveren for at forbedre den delte model.