欧盟人工智能法案下的联邦学习优先级
机器学习
2024-02-14 v1 人工智能
计算机与社会
分布式、并行与集群计算
摘要
AI监管时代已经来临，欧盟人工智能法案（AI Act）走在了前列。我们的核心问题是，这将如何影响联邦学习（FL）——其在执行机器学习时优先考虑数据隐私的出发点与集中式学习存在根本差异。我们认为，AI法案和未来的法规可能成为推动FL走向主流采用的缺失催化剂。然而，这只有在FL社区重新调整其研究重点时才能实现。在我们的立场论文中，我们对AI法案可能对FL产生的影响进行了首次跨学科分析（法律与机器学习），并通过定量和定性分析提出了一系列支持我们主要立场的观察结果。我们探讨了数据治理问题和对隐私的担忧。我们确立了生命周期监控中关于性能和能效的新挑战。总而言之，我们的分析表明，FL成为符合AI法案的机器学习系统的关键组成部分，以及新法规普遍推动FL技术的采用，都存在巨大的机会。最值得注意的是，在防御数据偏差和增强隐私安全计算方面存在机遇。
引用
@article{arxiv.2402.05968,
title = {Federated Learning Priorities Under the European Union Artificial Intelligence Act},
author = {Herbert Woisetschläger and Alexander Erben and Bill Marino and Shiqiang Wang and Nicholas D. Lane and Ruben Mayer and Hans-Arno Jacobsen},
journal= {arXiv preprint arXiv:2402.05968},
year = {2024}
}