Föderiertes Lernen

Föderiertes Lernen (Federated Learning) ist ein verteiltes maschinelles Lernparadigma, das 2017 von McMahan et al. eingeführt wurde. Dabei wird ein globales Modell kollaborativ über mehrere dezentrale Clients – wie mobile Geräte oder Krankenhaussysteme – hinweg trainiert, ohne jemals Rohdaten an einen zentralen Server zu übertragen. Jeder Teilnehmer berechnet Modellaktualisierungen lokal unter Verwendung seiner privaten Daten; nur diese Aktualisierungen, nicht die zugrunde liegenden Daten, werden vom Server kommuniziert und aggregiert, um das gemeinsame Modell zu verbessern.