联邦学习在物联网设备部署的原型
人工智能
2023-11-27 v1
摘要
在技术时代，数据是一种日益重要的资源。这一重要性在人工智能(AI)领域不断增长，其子领域如机器学习(ML)需要越来越多数据以取得更好结果。物联网(IoT)是传感器与智能物体的连接，用于收集和交换数据，此外还完成许多其他任务。所渴望的资源——数据——的巨量存储在移动设备、传感器及其他物联网(IoT)设备中，但由于数据保护限制而留在本地。同时这些设备没有足够的数据或计算能力来训练良好模型。此外，在中心化服务器上传输、存储和处理所有这些数据是有问题的。联邦学习(FL)提供了一种创新解决方案，使设备能够以协作方式学习。更重要的是，它在不违反数据保护法律的情况下实现这一点。FL 当前正在发展，并有若干实现它的解决方案。本文给出一个 FL 解决方案的原型，其中所用 IoT 设备为树莓派板。结果将此类方案的性能与传统方法所得结果进行比较。此外，FL 方案性能在敌对环境中进行了测试。使用了卷积神经网络(CNN)与图像数据集。结果显示了这些技术的可行性与可用性，尽管在许多情况下其未达到传统方法的性能。
引用
@article{arxiv.2311.14401,
title = {Prototype of deployment of Federated Learning with IoT devices},
author = {Pablo García Santaclara and Ana Fernández Vilas and Rebeca P. Díaz Redondo},
journal= {arXiv preprint arXiv:2311.14401},
year = {2023}
}