Self-supervised Federated Learning

Self-supervised Federated Learning kombiniert föderiertes Training – bei dem Daten niemals lokale Geräte verlassen – mit selbstüberwachten Prätextaufgaben wie kontrastivem Lernen oder maskierter Vorhersage. Clients lernen allgemeine Repräsentationen aus ihren eigenen unbeschrifteten Daten und teilen nur Modellaktualisierungen, nicht Rohdaten, mit einem zentralen Server, der diese zu einem globalen Encoder aggregiert.