全面综述:理解机器学习中的去中心化与协作方法
机器学习
2025-03-14 v1
摘要
机器学习 (ML) 的出现彻底改变了我们从数据中解锁有价值信息的方式。传统方法将所有数据存储在一个地方,在保护信息隐私、处理海量数据以及避免不公平优势方面存在重大问题。机器学习已成为一种利用人工智能 (AI) 克服这些挑战的强大工具。我们首先学习了机器学习的基础知识,包括监督学习、无监督学习和强化学习等不同类型。我们还探讨了所涉及的重要步骤,如数据准备、选择合适的模型、训练模型以及随后检查其性能。接下来,我们审视了机器学习中的一些关键挑战,例如模型从特定样本中过度学习 (过拟合)、学习不足 (欠拟合),以及反映所用数据中的偏差。超越集中式系统,我们研究了去中心化机器学习及其优势,如保护数据隐私、更快地获得结果以及使用更广泛的数据源。然后我们重点关注一种特定类型,称为联邦学习,其中模型在不直接共享敏感信息的情况下进行训练。通过医疗保健和金融领域的真实案例,展示了协作式机器学习如何在保护信息安全的同时解决重要问题。最后,我们讨论了通信效率、处理不同类型的数据和安全性等挑战。我们还探索了使用零信任框架,为协作式机器学习系统提供额外的保护层。这种方法正在为这一突破性技术铺就光明的未来。
引用
@article{arxiv.2503.09833,
title = {A Comprehensive Review on Understanding the Decentralized and Collaborative Approach in Machine Learning},
author = {Sarwar Saif and Md Jahirul Islam and Md. Zihad Bin Jahangir and Parag Biswas and Abdur Rashid and MD Abdullah Al Nasim and Kishor Datta Gupta},
journal= {arXiv preprint arXiv:2503.09833},
year = {2025}
}