面向生物医学及更广泛领域的联邦学习FeatureCloud AI Store
机器学习
2021-05-13 v1 密码学与安全
分布式、并行与集群计算
摘要
机器学习（ML）与人工智能（AI）在许多领域展现出有前景的结果，并由可用数据量的增长所驱动。然而，这些数据常分布于不同机构，且因隐私顾虑无法共享。隐私保护方法，如联邦学习（FL），允许在不共享敏感数据的情况下训练ML模型，但其实现耗时且需要高级编程技能。在此，我们提出用于FL的FeatureCloud AI Store，作为生物医学研究及其他应用的一站式平台。它通过提供带有即用型应用集合的可扩展AI Store，为开发者和终端用户消除了大部分此类复杂性。我们表明联邦应用产生与集中式ML相似的结果，对典型数量的协作方可良好扩展，并可与安全多方计算（SMPC）结合，从而使FL算法在生物医学与临床环境中安全且易用。
引用
@article{arxiv.2105.05734,
title = {The FeatureCloud AI Store for Federated Learning in Biomedicine and Beyond},
author = {Julian Matschinske and Julian Späth and Reza Nasirigerdeh and Reihaneh Torkzadehmahani and Anne Hartebrodt and Balázs Orbán and Sándor Fejér and Olga Zolotareva and Mohammad Bakhtiari and Béla Bihari and Marcus Bloice and Nina C Donner and Walid Fdhila and Tobias Frisch and Anne-Christin Hauschild and Dominik Heider and Andreas Holzinger and Walter Hötzendorfer and Jan Hospes and Tim Kacprowski and Markus Kastelitz and Markus List and Rudolf Mayer and Mónika Moga and Heimo Müller and Anastasia Pustozerova and Richard Röttger and Anna Saranti and Harald HHW Schmidt and Christof Tschohl and Nina K Wenke and Jan Baumbach},
journal= {arXiv preprint arXiv:2105.05734},
year = {2021}
}