Fedstellar ist eine umfassende Plattform, die darauf ausgelegt ist, Lernmodelle in einem dezentralisierten Umfeld zu trainieren. Die Plattform ermöglicht es Nutzern, Föderationen durch die Anpassung von Parametern wie Anzahl und Typ der Geräte, Netzwerktopologie, Maschinen- und Deep-Learning-Algorithmen oder Datensätze der einzelnen Teilnehmer zu erstellen und zu verwalten. Darüber hinaus bietet sie Echtzeitüberwachung der Modell- und Netzwerkleistung.
Die Plattform besteht aus einer Webanwendung mit einer interaktiven grafischen Oberfläche, einem Controller zum Bereitstellen von Föderationen von Knoten unter Verwendung physischer oder virtueller Geräte und einem auf jedem Gerät bereitgestellten Kern, der die für das Training, die Aggregation und die Kommunikation im Netzwerk erforderliche Logik bereitstellt.
Die Effektivität der Plattform wurde in zwei Szenarien demonstriert: einer physischen Bereitstellung mit Einzelplatinen-Geräten wie Raspberry Pis zum Erkennen von Cyberangriffen und einer virtualisierten Bereitstellung, bei der verschiedene föderierte Lernansätze in einer kontrollierten Umgebung unter Verwendung der MNIST- und CIFAR-10-Datensätze verglichen wurden. In beiden Szenarien zeigte Fedstellar eine konsistente Leistung und Anpassungsfähigkeit und erzielte F1-Werte von 91%, 98% bzw. 91,2% bei der Erkennung von Cyberangriffen und der Klassifizierung von MNIST und CIFAR-10 unter Verwendung von DFL, wobei die Trainingszeit im Vergleich zu zentralisierten Ansätzen um 32% reduziert wurde.
To Another Language
from source content
arxiv.org
Djupare frågor