Föderiertes Lernen von Machine-Learning Modellen

Der Einsatz von Machine-Learning erfordert in vielen Anwendungen eine Zusammenführung von Daten, zum Beispiel von unterschiedlichen Nutzern oder Unternehmen. Diese individuellen Daten enthalten jedoch häufig sensible Informationen und dürfen daher nicht zentral gesammelt werden. Somit verhindert der Schutz von Informationen in vielen Fällen einen Einsatz von Machine-Learning. Föderiertes Lernen kann dieses Problem lösen, indem es ohne eine Zusammenführung der Daten auskommt. Bei dieser Technologie werden nicht die originären Daten geteilt, sondern lediglich abstrakte Modellparameter. Der Vortrag stellt diese Technologie, ihre Anwendungen und aktuelle Herausforderungen vor.