Aprendizaje Federado Autosupervisado

El Aprendizaje Federado Autosupervisado combina el entrenamiento federado —donde los datos nunca abandonan los dispositivos locales— con tareas pretexto autosupervisadas como el aprendizaje contrastivo o la predicción enmascarada. Los clientes aprenden representaciones de propósito general a partir de sus propios datos no etiquetados y solo comparten actualizaciones del modelo, no datos brutos, con un servidor central que las agrega en un codificador global.