El aprendizaje automático federado (FML) es un nuevo paradigma de aprendizaje automático distribuido que permite la formación, el aprendizaje, la utilización y la construcción de modelos colaborativos a partir de un gran número de conjuntos de datos distribuidos, garantizando la seguridad de los datos y el cumplimiento de la legislación. En el marco del FML, la computación ha lugar allí donde se encuentran los datos y, aunque los datos están disponibles, ni la computación ni los propios datos son visibles. Los servicios basados en FML se enfrentan a retos atinentes a cuestiones como la confianza, pues actúan en entornos distribuidos o descentralizados. Todos los retos suelen emanar de la falta de confianza en los múltiples participantes de los servicios basados en FML, normalmente, en los procesos de formación y utilización de modelos, véanse la indexación de datos, la computación de datos, el intercambio de parámetros, etc.Se necesitan componentes funcionales específicos para mejorar la fiabilidad de los servicios basados en FML, lo que incluye una mejora de la indexación de los conjuntos de datos, la computación de datos, el intercambio de parámetros y la utilización de modelos. El sistema de tecnología de libro mayor distribuido (DLT) es un tipo de sistema fidedigno de datos compartidos, que puede utilizarse también para almacenar datos de servicios basados en FML. Los servicios basados en FML pueden aprovechar la convergencia entre el FML y esos componentes, especialmente, para afrontar los retos relacionados con la confianza en los servicios basados en FML.En la Recomendación UIT-T F.748.35 se especifica un servicio basado en FML fidedigno y se definen el concepto, los requisitos y características generales, y el marco de referencia conexos. |
