核心概念
連邦コンピューティングは、分散型のデバイスネットワークを通じて、個人データのプライバシーを損なうことなく協調的な処理を可能にする。
要約
本論文は、連邦コンピューティング(FC)システムの基本構成要素、拡張機能、アーキテクチャ、環境、動機について調査したものである。
FCは、連邦学習(FL)と連邦分析(FA)から構成される。FCシステムは時間とともに複雑化しており、その構成要素を明確に定義し、分類する必要がある。
本論文では150本以上の論文を調査し、FCシステムの基本的な構造、基本構成要素、拡張機能を抽出した。FLとFAシステムを個別に捉え、それらの固有の違いを指摘している。
基本構成要素には、クライアント選択、集約戦略、通信プロトコルが含まれる。これらの要素は、プライバシー保護、ハードウェア/ネットワーク利用効率の向上など、様々な問題に取り組むために拡張される。
統計
クライアントデータの偏りにより、連邦学習の最終的な結果が中央集権型アプローチよりも劣化する可能性がある。
クライアントの途中離脱により、連邦学習のプロセスが遅延する可能性がある。
プライバシー侵害攻撃により、クライアントのデータが漏洩する可能性がある。
ネットワーク帯域の制限により、連邦コンピューティングの実行が困難になる可能性がある。
引用
"連邦コンピューティングは、分散型のデバイスネットワークを通じて、個人データのプライバシーを損なうことなく協調的な処理を可能にする。"
"連邦学習と連邦分析は、連邦コンピューティングの2つのパラダイムであり、それぞれ固有の特徴を持つ。"
"連邦コンピューティングシステムの基本構成要素には、クライアント選択、集約戦略、通信プロトコルが含まれる。これらの要素は、様々な問題に取り組むために拡張される。"