Wspólne trenowanie modelu bez centralizowania surowych danych: dane zostają na urządzeniach lub serwerach uczestników, które przesyłają aktualizacje do agregacji. Samo uczenie federacyjne nie gwarantuje prywatności — aktualizacje mogą ujawniać informacje, dlatego stosuje się m.in. bezpieczną agregację i prywatność różnicową.
Collaborative model training without centralising raw data: data stays on participants’ devices or servers, which send updates for aggregation. Federated learning alone does not guarantee privacy — updates can leak information, so secure aggregation and differential privacy are among the additional protections used.
To wspólne uczenie modelu, gdy surowe dane pozostają na urządzeniach lub serwerach uczestników.
This jointly trains a model while raw data stays on participants' devices or servers.
Chcesz uczyć się na danych wielu miejsc, ale nie możesz zebrać wszystkich surowych danych w jednym magazynie.
You need to learn from data across locations but cannot gather all raw data in one repository.
Uczestnicy obliczają lokalne aktualizacje i przesyłają je do połączenia; same aktualizacje mogą ujawniać informacje, więc potrzebują dodatkowej ochrony.
Participants compute local updates and send them for aggregation; updates can themselves expose information, so they need additional protection.
Telefony wspólnie poprawiają podpowiadanie tekstu, przekazując aktualizacje modelu zamiast pełnej historii wiadomości.
Phones jointly improve text suggestions by sending model updates rather than their full message histories.