Føderert læring

Føderert læring er et distribuert maskinlæringsparadigme introdusert av McMahan et al. i 2017, der en global modell trenes kollaborativt på tvers av flere desentraliserte klienter – som mobile enheter eller sykehussystemer – uten å overføre rådata til en sentral server. Hver deltaker beregner modelloppdateringer lokalt ved hjelp av sine private data; kun disse oppdateringene, ikke de underliggende dataene, kommuniseres og aggregeres av serveren for å forbedre den delte modellen.