Este sitio carga analítica opcional de Google y proveedores externos de analítica solo si aceptas. Puedes rechazarla y seguir usando la web con normalidad.
Notas de investigación y guías técnicas sobre aprendizaje federado, IA distribuida, ciberdefensa, sistemas confiables y plataformas con privacidad.
Filtrar por temática
Nota práctica sobre cómo monitorización distribuida, modelos DFL, evidencia de alertas y apoyo basado en LLMs pueden encajar en un flujo de ciberdefensa.
Nota de investigación sobre el uso de DFL para convertir telemetría distribuida, anomalías y señales de confianza en situational awareness de ciberdefensa.
Nota técnica sobre cómo flotas de drones pueden usar DFL para colaborar en modelos de detección sin exponer telemetría de misión.
Nota de investigación sobre mediana, trimmed mean y agregación ponderada por confianza para federaciones peer-to-peer bajo poisoning y clientes no confiables.
Nota de investigación sobre entrenamiento en edge, agregación segura y presupuestos de privacidad adaptativos para monitorización de seguridad IoT.
Nota de investigación sobre detección descentralizada de anomalías donde los presupuestos de privacidad se adaptan a amenaza, criticidad y deriva del modelo.
Guía completa sobre NEBULA como plataforma para aprendizaje federado descentralizado, desde conceptos básicos hasta aplicaciones avanzadas en salud, IoT y ciberseguridad, con ejemplos prácticos.
Introducción al aprendizaje federado como forma de entrenar modelos de manera colaborativa sin compartir datos brutos.
Introducción al aprendizaje federado descentralizado, desde sus fundamentos matemáticos hasta aplicaciones en ciberseguridad y otros dominios.