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
1.1k
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
97
Other Decks in Technology
See All in Technology
不安定だったテストが信頼を取り戻すまで / The Road to Trustworthy Tests
katawara
0
120
Java で学ぶ 代数的データ型
ysknsid25
2
1.1k
セキュリティSaaS企業が実践するCursor運用ルールと知見 / How a Security SaaS Company Runs Cursor: Rules & Insights
tetsuzawa
1
2.2k
Zero Data Loss Autonomous Recovery Service サービス概要
oracle4engineer
PRO
2
7.3k
ai bot got sick (abc 2025s version)
kojira
0
120
20250514_未経験から Fintech実務参画まで。学生エンジニアの挑戦録
hideto1008
0
810
単一Gitリポジトリから独立しました
lycorptech_jp
PRO
0
340
研究開発部メンバーの働き⽅ / Sansan R&D Profile
sansan33
PRO
3
17k
Data Observability:企業資料管理技術的未來顯學
cheng_wei_chen
0
290
libsyncrpcってなに?
uhyo
0
230
Applied NLP in the Age of Generative AI: Future-Proof Strategies for Banking and Finance
inesmontani
PRO
0
190
Introduction to Sansan Meishi Maker Development Engineer
sansan33
PRO
0
270
Featured
See All Featured
A Tale of Four Properties
chriscoyier
159
23k
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
331
22k
Keith and Marios Guide to Fast Websites
keithpitt
411
22k
A designer walks into a library…
pauljervisheath
205
24k
KATA
mclloyd
29
14k
CoffeeScript is Beautiful & I Never Want to Write Plain JavaScript Again
sstephenson
161
15k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
31
1.2k
Adopting Sorbet at Scale
ufuk
76
9.4k
Reflections from 52 weeks, 52 projects
jeffersonlam
349
20k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
357
30k
Testing 201, or: Great Expectations
jmmastey
42
7.5k
ReactJS: Keep Simple. Everything can be a component!
pedronauck
667
120k
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