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.
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.
18 artículos. Página 2 de 3.
5 min de lecturaNota de investigación
Flighter: situational awareness como señal de fiabilidad en DFL
Cómo Flighter combina contexto y modelos para evaluar fiabilidad en DFL. Alcance del estudio, ablaciones y recuperación de participantes.
6 min de lecturaGuía
Cómo diseñar un sistema de aprendizaje federado descentralizado
Diseña un sistema DFL con topología, contrato de mensajes, pesos de mezcla, políticas de recuperación y evaluación por cliente.
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 lecturaGuía
De la revisión al prototipo: un flujo de investigación para DFL
Del survey DFL a Flighter y Modalis: cómo convertir literatura en hipótesis comprobables, experimentos reproducibles y evidencia.
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.