Online Federated Learning (Sequential Distributed Learning without Centralised Data)

هزاران گوشی هوشمند را تصور کنید که هر کدام به‌طور مداوم داده‌های حسگر را جمع‌آوری می‌کنند. ارسال تمام آن داده‌های خام به یک سرور مرکزی کند، پرهزینه و متجاوز به حریم خصوصی است. یادگیری فدرال‌شده آنلاین به هر دستگاه اجازه می‌دهد تا به‌طور محلی از جریان داده‌های تازه خود یاد بگیرد، سپس به‌طور دوره‌ای یک به‌روزرسانی مدل فشرده — نه داده‌ها — را به سرور تحویل دهد. سرور به‌روزرسانی‌ها را از دستگاه‌های شرکت‌کننده ترکیب کرده و یک مدل سراسری اصلاح‌شده را پخش می‌کند. از آنجایی که دستگاه‌ها داده‌ها را همان‌طور که وارد می‌شوند پردازش می‌کنند، نه در دسته‌های بزرگ ذخیره‌شده، سیستم به‌روز باقی می‌ماند و به‌سرعت با انحراف مفهوم سازگار می‌شود، بدون اینکه هرگز داده‌های خام را جمع‌آوری کند.