Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Decentralized Federated Learning with Blockchain
Search
Yoshio Sugiyama
July 14, 2022
Technology
0
1.2k
Decentralized Federated Learning with Blockchain
非中央集権な連合学習について
Yoshio Sugiyama
July 14, 2022
Tweet
Share
More Decks by Yoshio Sugiyama
See All by Yoshio Sugiyama
AIの本格活用を加速させるPrivate LLM
imokuri
0
140
Other Decks in Technology
See All in Technology
5分でカオスエンジニアリングを分かった気になろう
pandayumi
0
220
S3アクセス制御の設計ポイント
tommy0124
3
190
品質視点から考える組織デザイン/Organizational Design from Quality
mii3king
0
200
共有と分離 - Compose Multiplatform "本番導入" の設計指針
error96num
1
360
おやつは300円まで!の最適化を模索してみた
techtekt
PRO
0
290
Obsidian応用活用術
onikun94
1
470
LLMを搭載したプロダクトの品質保証の模索と学び
qa
0
1k
COVESA VSSによる車両データモデルの標準化とAWS IoT FleetWiseの活用
osawa
1
260
なぜSaaSがMCPサーバーをサービス提供するのか?
sansantech
PRO
8
2.7k
バイブスに「型」を!Kent Beckに学ぶ、AI時代のテスト駆動開発
amixedcolor
2
530
実践!カスタムインストラクション&スラッシュコマンド
puku0x
0
340
テストを軸にした生き残り術
kworkdev
PRO
0
190
Featured
See All Featured
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
48
9.7k
Music & Morning Musume
bryan
46
6.8k
How GitHub (no longer) Works
holman
315
140k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
34
6k
Build The Right Thing And Hit Your Dates
maggiecrowley
37
2.9k
GraphQLとの向き合い方2022年版
quramy
49
14k
KATA
mclloyd
32
14k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
131
19k
The World Runs on Bad Software
bkeepers
PRO
70
11k
Automating Front-end Workflow
addyosmani
1370
200k
The Art of Delivering Value - GDevCon NA Keynote
reverentgeek
15
1.6k
Mobile First: as difficult as doing things right
swwweet
224
9.9k
Transcript
杉山 禎夫 ディープラーニングで実現するイノベーション 非中央集権の連合学習
自己紹介
本日のお話 非中央集権の連合学習とは 連合学習の懸念とは 連合学習とは
自社だけだと足りないので、 他社と一緒にできないだろうか。 プライバシー保護の観点から 容易に移動できません。 地理的に離れた場所にあります。 もし、学習に使いたいデータが、、
各拠点で学習した結果を 集めてモデルを更新 • よさそう • 連合学習 といいます データを集めて学習 • 一箇所に集めるの大変
• プライバシー保護に懸念 各拠点で個別に学習 • データを活かせていない • 精度に課題 こんなアプローチがありそうです
リーダーがモデルを 用意 モデルをエッジに配 布 エッジで学習 学習結果をリーダー に集約 リーダーが学習結果 をマージ マージした学習結果
でモデルを更新 を繰り返します。 連合学習とは 学習結果をリー ダーに返却 リーダーのモデル をエッジに配布 エッジで学習 エッジで学習 エッジで学習 学習結果を マージして、 モデルを更新
• 学習結果から学習 データを推測 • 恣意的なモデルの マージ • 最終的なモデルは リーダーが所持 •
リーダーが 単一障害点 連合学習の懸念 中央集権的なリーダーの存在 学習結果をリー ダーに返却 リーダーのモデル をエッジに配布 エッジで学習 エッジで学習 エッジで学習 学習結果を マージして、 モデルを更新
連合学習の懸念
エッジで学習 非中央集権の連合学習に必要なもの エッジで学習 エッジで学習 エッジで学習 考えられる要件 • エッジ間を で接続 •
学習に参加しているエッジの把握 • マージ担当者の動的な選択 • 学習状況の記録、共有 • 最終的なモデルはエッジに の特徴 • データは各システムで保持 • リーダー不在 • 改ざんが非常に困難 • 記録は消せない
ディープラーニングに使用したいデータが、地理的に離れた場所にある、プライバシー保 護の観点からデータの共有が困難であるときなどに、連合学習というアプローチがありま す。 一般的な連合学習は、プライバシーの保護などに懸念があります。 連合学習を非中央集権 とすることで、連合学習の懸念が解消できます。 非中央集権の連合学習の実現には学習状況の共有方法などクリアすべき課題があります。 非中央集権の連合学習の課題の解決には、 が有効と考えられています。 まとめ
コミュニティ版 無料 と エンタープライズ版 があります 含むすべてのコンポー ネントはコンテナで動きます や のコードに 入れるだけで使えます
宣伝 エッジで学習 を使った 非中央集権 の連合学習のソリューションです。
None