Please enable JavaScript.
Coggle requires JavaScript to display documents.
Federated Learning for Internet of Things: A Comprehensive Survey - Coggle…
Federated Learning for Internet of Things: A Comprehensive Survey
Aplicaciones del federal learning (FL) en IOT
Compartir datos entre dispositivos
compartir datos sin revelar información sensible
Transparencia y seguridad para el intercambio de datos
Optimización de desbordamiento de datos
Uso de FL para optimización de recursos en vehículos inteligentes
Mejoras en los procesos de almacenamiento de datos
Detección de ataques
Detección de patrones sobre sistemas distribuidos
Modelos de machine learning para aprendizaje ágil, por medio de colaboración entre dispositivos
Importancia de implantar mecanismos de seguridad para IOT
Aumento de dispositivos interconectados por el uso de modelos de IA's
Preocupación por la privacidad de la información frente al aumento de dispositivos IOT
Desafíos de FL en IOT
heterogeneidad
Dispositivos IOT con diferentes capacidades de computo o almacenamiento
privacidad
Riesgos potenciales no cubiertos por FL
Seguridad
Las actualizaciones de modelos pueden ser vulnerables a ataques
Funcionamiento de FL
Aprendizaje en múltiples dispositivos sin compartir directamente sus datos
Cada dispositivo aprende independientemente utilizando el modelo de machine learning implementado y comparte actualizaciones del modelo con un servidor central
Un servidor central analiza las actualizaciones de modelos y genera un modelo neuvo que comparte con los dispositivos