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
AI時代こそ求められる設計力- AWSクラウドデザインパターン3選で信頼性と拡張性を高める-
kenichirokimura
3
170
英語は話せません!それでも海外チームと信頼関係を作るため、対話を重ねた2ヶ月間のまなび
niioka_97
0
130
Why Governance Matters: The Key to Reducing Risk Without Slowing Down
sarahjwells
0
120
やる気のない自分との向き合い方/How to Deal with Your Unmotivated Self
sanogemaru
0
440
Adapty_東京AI祭ハッカソン2025ピッチスライド
shinoyamada
0
210
Simplifying Cloud Native app testing across environments with Dapr and Microcks
salaboy
0
110
AI ReadyなData PlatformとしてのAutonomous Databaseアップデート
oracle4engineer
PRO
0
230
LLM時代にデータエンジニアの役割はどう変わるか?
ikkimiyazaki
6
1.1k
extension 現場で使えるXcodeショートカット一覧
ktombow
0
220
AIAgentの限界を超え、 現場を動かすWorkflowAgentの設計と実践
miyatakoji
1
160
Geospatialの世界最前線を探る [2025年版]
dayjournal
0
170
いまさら聞けない ABテスト入門
skmr2348
1
220
Featured
See All Featured
Faster Mobile Websites
deanohume
310
31k
How To Stay Up To Date on Web Technology
chriscoyier
791
250k
Agile that works and the tools we love
rasmusluckow
331
21k
We Have a Design System, Now What?
morganepeng
53
7.8k
Building an army of robots
kneath
306
46k
Rails Girls Zürich Keynote
gr2m
95
14k
Optimising Largest Contentful Paint
csswizardry
37
3.4k
Code Reviewing Like a Champion
maltzj
525
40k
Scaling GitHub
holman
463
140k
Learning to Love Humans: Emotional Interface Design
aarron
274
41k
Navigating Team Friction
lara
189
15k
Evolution of real-time – Irina Nazarova, EuRuKo, 2024
irinanazarova
9
970
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