Federated Computing — Survey on Building Blocks, Extensions and Systems

要約

増大するデータ量と機密性に対応するため、従来の集中型コンピューティング・モデルは、データ・セキュリティ侵害や規制上のハードルといった課題に直面している。フェデレーテッド・コンピューティング（FC）は、個人のデータプライバシーを損なうことなく共同処理を可能にすることで、これらの懸念に対処します。これは、デバイスの分散型ネットワークによって達成され、各デバイスはデータの制御を保持しながら、集団計算に参加します。FCの背後にある動機は、技術的な考察にとどまらず、社会的な意味合いも含んでいる。責任あるAIと倫理的なデータ実践の必要性が高まる中、FCはユーザーのエンパワーメントとデータ主権の原則に合致している。FCは、Federated Learning（FL）とFederated Analytics（FA）で構成されている。FCシステムは時間の経過とともに複雑化し、現在ではその可動部分を説明する明確な定義や分類法がない。現在の調査は、ドメイン固有のFLユースケースを捉えたり、FCパイプラインの個々のコンポーネントを個別に記述したり、互いに切り離したり、発表された論文数の定量的な概要を提供したりしている。この研究では、150以上の論文を調査し、FCシステムの基本的な構成要素、拡張機能、アーキテクチャ、環境、および動機を抽出します。FLシステムとFAシステムを個別に捉え、両者のユニークな違いを指摘する。

要約(オリジナル)

In response to the increasing volume and sensitivity of data, traditional centralized computing models face challenges, such as data security breaches and regulatory hurdles. Federated Computing (FC) addresses these concerns by enabling collaborative processing without compromising individual data privacy. This is achieved through a decentralized network of devices, each retaining control over its data, while participating in collective computations. The motivation behind FC extends beyond technical considerations to encompass societal implications. As the need for responsible AI and ethical data practices intensifies, FC aligns with the principles of user empowerment and data sovereignty. FC comprises of Federated Learning (FL) and Federated Analytics (FA). FC systems became more complex over time and they currently lack a clear definition and taxonomy describing its moving pieces. Current surveys capture domain-specific FL use cases, describe individual components in an FC pipeline individually or decoupled from each other, or provide a quantitative overview of the number of published papers. This work surveys more than 150 papers to distill the underlying structure of FC systems with their basic building blocks, extensions, architecture, environment, and motivation. We capture FL and FA systems individually and point out unique difference between those two.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL