5 min de lecturaNota de investigación
Aprendizaje federado descentralizado robusto: límites y preguntas abiertas
Preguntas abiertas en DFL robusto: grafos dinámicos, contexto manipulado, privacidad, modalidades ausentes y experimentos para avanzar.
Notas de investigación sobre aprendizaje federado, ciberseguridad y ciberdefensa
Notas de investigación y guías técnicas sobre aprendizaje federado, IA distribuida, ciberdefensa, sistemas confiables y plataformas con privacidad.
Tema: IA confiable Quitar tema
7 artículos. Página 1 de 2.
6 min de lecturaNota de investigación
Cómo medir la robustez en experimentos DFL adversarios
Evalúa robustez DFL con F1, falsos rechazos, costes y recuperación. Interpreta Flighter y diseña comparaciones limpias y bajo ataque.
5 min de lecturaNota de investigación
El DFL es más que aprendizaje federado sin servidor
Por qué DFL cambia coordinación, consenso y confianza. Identifica dependencias centrales y evalúa qué servicios sobreviven a un fallo.
5 min de lecturaNota de investigación
De la monitorización a la mitigación: ciclo de ciberdefensa DFL con explicaciones mediante LLMs
Conecta telemetría, aprendizaje federado, alertas y mitigación con LLMs mediante evidencia trazable, validación y feedback revisado.
4 min de lecturaNota de investigación
Situational awareness para ciberdefensa con aprendizaje federado descentralizado
Cómo construir conciencia situacional con DFL: procedencia, cobertura, incertidumbre y contexto compartido para decisiones de ciberdefensa.
3 min de lecturaNota de investigación
Agregación bizantina robusta en aprendizaje federado descentralizado
Mediana, trimmed mean y confianza en DFL: ejemplos, límites locales frente a poisoning y coste de la defensa con datos non-IID.