非中央集権な連合学習について
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
View Slide
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。