26th European Conference on Artificial Intelligence (ECAI 2023)
Decentralized Federated Learning: Enabling Collaborative AI With Enhanced Trust and Efficiency
Tutorial en congreso sobre aprendizaje federado descentralizado: fundamentos, arquitecturas, seguridad, privacidad y experimentación práctica, presentado en ECAI 2023.
Resumen
Este tutorial examina el aprendizaje federado descentralizado como enfoque de inteligencia artificial colaborativa. Aborda fundamentos, arquitecturas, componentes, comunicación, seguridad, privacidad y optimización. La experimentación práctica conecta estos conceptos con la configuración y evaluación de federaciones, mientras los escenarios de aplicación y los retos de investigación abiertos aportan contexto para evaluar confianza y eficiencia. La sesión se celebró en ECAI 2023, en Cracovia, Polonia, el 30 de septiembre de 2023.
Autores
Palabras clave
Publicaciones relacionadas
Publicaciones relacionadas por tema, método o aplicación.
Journal of Healthcare Engineering
Breaching Subjects’ Thoughts Privacy: A Study with Visual Stimuli and Brain-Computer Interfaces
Mario Quiles Pérez, Enrique Tomás Martínez Beltrán, Sergio López Bernal, Alberto Huertas Celdrán, Gregorio Martínez Pérez
Brain-computer interfaces (BCIs) started being used in clinical scenarios, reaching nowadays new fields such as entertainment or learning. Using BCIs, neuronal activity can be monitored for various purposes, with the...
Information Fusion
Decentralized Federated Learning with Multimodal Prototypes for Heterogeneous Data
Enrique Tomás Martínez Beltrán, Gérôme Bovet, Gregorio Martínez Pérez, Alberto Huertas Celdrán
Modalis aborda clientes con modalidades diferentes o ausentes en aprendizaje descentralizado. Intercambia prototipos compactos de clase y alinea representaciones locales para colaborar con datos heterogéneos.
Future Generation Computer Systems
FedEnD: Communication-efficient Federated Learning for non-IID data via decentralized ensemble distillation
Enrique Tomás Martínez Beltrán, Philip Giryes, Gérôme Bovet, Burkhard Stiller, Gregorio Martínez Pérez, Alberto Huertas Celdrán
FedEnD aborda la heterogeneidad de datos y el coste de comunicación del aprendizaje federado. Los clientes entrenan especialistas locales, los intercambian una vez y destilan un ensemble ponderado con sus propios datos, sin un conjunto público auxiliar.
Investigación relacionada

Abr 2023 / Nov 2023
DEFENDIS: aprendizaje federado descentralizado para identificación y seguridad de dispositivos IoT
DEFENDIS desarrolla un marco para identificar de forma distribuida dispositivos IoT y abordar amenazas de seguridad mediante aprendizaje federado descentralizado.

Ene 2024 / Dic 2024
DATRIS: IA descentralizada para sistemas inteligentes confiables y eficientes en recursos
Desarrolló soluciones de IA descentralizada para abordar restricciones computacionales y validación de confianza bajo patrocinio de armasuisse.

Ene 2024 / Jun 2026
ROBUST-6G: plataforma inteligente, automatizada y fiable de servicios de seguridad para 6G
ROBUST-6G estudia mecanismos de seguridad para sistemas 6G, incluyendo monitorización, gestión segura de datos, servicios de IA confiable, aprendizaje federado y respuesta ante amenazas.