Federated Learning

Federated Learning è un paradigma di machine learning distribuito introdotto da McMahan et al. nel 2017, in cui un modello globale viene addestrato collaborativamente su più client decentralizzati – come dispositivi mobili o sistemi ospedalieri – senza mai trasferire dati grezzi a un server centrale. Ciascun partecipante calcola aggiornamenti del modello localmente, utilizzando i propri dati privati; solo tali aggiornamenti, non i dati sottostanti, vengono comunicati e aggregati dal server per migliorare il modello condiviso.