群体学习：概念、应用与趋势综述
机器学习
2025-02-28 v2
摘要
深度学习模型因其依赖中央服务器上的大型数据集而引发了隐私和安全问题。随着物联网(IoT)设备数量的增加，人工智能(AI)对于资源管理、数据处理和知识获取将至关重要。为了解决这些问题，联邦学习(FL)引入了一种新颖的方法来构建一个通用的、大规模的去中心化且硬件无关的机器学习框架。然而，FL面临着网络带宽限制和数据泄露的问题。为了减少FL中的中心依赖性并提高可扩展性，群体学习(SL)与慧与公司(HPE)合作被提出。SL代表了一种去中心化的机器学习框架，它利用区块链技术实现安全、可扩展和私密的数据管理。基于区块链的网络使得参与者之间能够交换和聚合模型参数，从而减轻了单点故障的风险并消除了通信瓶颈。据我们所知，本综述是首次介绍群体学习的原理、其架构设计及其应用领域。此外，它还强调了需要学术界和工业界社区进一步探索的众多研究途径，以释放SL的全部潜力和应用。
引用
@article{arxiv.2405.00556,
title = {Swarm Learning: A Survey of Concepts, Applications, and Trends},
author = {Elham Shammar and Xiaohui Cui and Mohammed A. A. Al-qaness},
journal= {arXiv preprint arXiv:2405.00556},
year = {2025}
}
备注
31 pages