Federated Learning

Federated Learning is een gedistribueerd machine learning-paradigma, geïntroduceerd door McMahan et al. in 2017, waarbij een globaal model collaboratief wordt getraind over meerdere gedecentraliseerde clients — zoals mobiele apparaten of ziekenhuissystemen — zonder ooit ruwe data naar een centrale server te verzenden. Elke deelnemer berekent lokaal modelupdates met behulp van zijn privédata; alleen die updates, niet de onderliggende data, worden gecommuniceerd en geaggregeerd door de server om het gedeelde model te verbeteren.