4 min de lecturaGuía
Privacidad, agregación segura y robustez en DFL
Combina privacidad diferencial, agregación segura y DFL robusto con supuestos explícitos, amenazas locales y evaluación conjunta.
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
9 artículos. Página 1 de 2.
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.
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.
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 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.