Dezentralisierter kollaborativer Lernrahmen mit Analyse des externen Datenschutzrisikos
Dieser Artikel präsentiert zwei methodische Fortschritte im dezentralisierten Multi-Task-Lernen unter Datenschutzauflagen, um den Weg für zukünftige Entwicklungen in der nächsten Generation von Blockchain-Plattformen zu ebnen. Erstens erweitern wir den bestehenden Rahmen für kollaboratives Wörterbuchlernen (CollabDict), der bisher auf Gaußsche Mischmodelle beschränkt war, durch die Einbeziehung tiefer variationeller Autoenkodierer (VAEs) in den Rahmen, mit einem besonderen Fokus auf Anomalieerkennung. Zweitens liefern wir eine mathematische Analyse zum Datenschutzrisiko, wenn mit CollabDict trainierte Modelle extern geteilt werden.