Collaborative Distributed Machine Learning

要約

機密性を保持した方法で機械学習 (ML) モデルの開発と使用にリソースを活用するために、フェデレーテッド ラーニング システムや群学習システムなど、さまざまな重要な特性を持つさまざまな協調分散機械学習 (CDML) システムが開発されました。
ユースケースの要件を満たすには、適切な CDML システムを選択する必要があります。
ただし、ユースケースへの適合性に関して CDML システム間を比較することは、多くの場合困難です。
この作品では、CDML システムの比較をサポートするために、CDML システムの概念化と CDML アーキタイプを提示し、科学的かつ実践的な読者に CDML システムの主要な機能と主要な特性を紹介します。

要約(オリジナル)

Various collaborative distributed machine learning (CDML) systems, including federated learning systems and swarm learning systems, with different key traits were developed to leverage resources for development and use of machine learning (ML) models in a confidentiality-preserving way. To meet use case requirements, suitable CDML systems need to be selected. However, comparison between CDML systems regarding their suitability for use cases is often difficult. This work presents a CDML system conceptualization and CDML archetypes to support comparison of CDML systems and introduce scientific and practical audiences to the principal functioning and key traits of CDML systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google