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
150
Other Decks in Technology
See All in Technology
初めてのDatabricks Apps開発
taka_aki
1
230
CoRL 2025 Survey
harukiabe
1
240
Claude Codeを駆使した初めてのiOSアプリ開発 ~ゼロから3週間でグローバルハッカソンで入賞するまで~
oikon48
10
5.3k
Introduction to Sansan, inc / Sansan Global Development Center, Inc.
sansan33
PRO
0
2.8k
AWS UG Grantでグローバル20名に選出されてre:Inventに行く話と、マルチクラウドセキュリティの教科書を執筆した話 / The Story of Being Selected for the AWS UG Grant to Attending re:Invent, and Writing a Multi-Cloud Security Textbook
yuj1osm
1
110
HonoとJSXを使って管理画面をサクッと型安全に作ろう
diggymo
0
150
AI時代の開発を加速する組織づくり - ブログでは書けなかったリアル
hiro8ma
1
220
HR Force における DWH の併用事例 ~ サービス基盤としての BigQuery / 分析基盤としての Snowflake ~@Cross Data Platforms Meetup #2「BigQueryと愉快な仲間たち」
ryo_suzuki
0
250
だいたい分かった気になる 『SREの知識地図』 / introduction-to-sre-knowledge-map-book
katsuhisa91
PRO
0
770
AI時代、“平均値”ではいられない
uhyo
4
1.1k
OSSで50の競合と戦うためにやったこと
yamadashy
3
890
あなたの知らない Linuxカーネル脆弱性の世界
recruitengineers
PRO
3
130
Featured
See All Featured
Testing 201, or: Great Expectations
jmmastey
45
7.7k
Building a Scalable Design System with Sketch
lauravandoore
463
33k
The Cult of Friendly URLs
andyhume
79
6.6k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
35
3.2k
How To Stay Up To Date on Web Technology
chriscoyier
791
250k
Building Adaptive Systems
keathley
44
2.8k
Performance Is Good for Brains [We Love Speed 2024]
tammyeverts
12
1.2k
Embracing the Ebb and Flow
colly
88
4.9k
Documentation Writing (for coders)
carmenintech
75
5.1k
Java REST API Framework Comparison - PWX 2021
mraible
34
8.9k
Faster Mobile Websites
deanohume
310
31k
Fashionably flexible responsive web design (full day workshop)
malarkey
407
66k
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