المعيار المرجعي الموحد
يشير المعيار الموحد (Federated Benchmark) إلى مجموعة موحدة من مقاييس التقييم وإجراءات الاختبار المصممة لتقييم أداء ونموذج التعلم الآلي ومتانته وعدالته عند تدريبه أو اختباره عبر مجموعات بيانات متعددة وموزعة جغرافيًا أو معزولة. على عكس المعايير المركزية التقليدية، التي تجمع جميع البيانات في موقع واحد، يعمل المعيار الموحد مع احترام قيود موقع البيانات وخصوصيتها.
في المشهد الحالي المعتمد على البيانات، لا يمكن دائمًا تجميع البيانات الحساسة (مثل السجلات الصحية أو بيانات العملاء الخاصة) في مكان واحد. يسمح التعلم الموحد للنماذج بالتعلم من هذه البيانات الموزعة دون أن تغادر البيانات الأولية مصدرها أبدًا. يُعد المعيار الموحد أمرًا بالغ الأهمية لأنه يوفر طريقة موثوقة وموحدة لإثبات أن النموذج يعمل بشكل جيد في ظل ظروف حقيقية وموزعة - وهي ظروف تحاكي بيئات الإنتاج حيث تكون البيانات معزولة بطبيعتها.
تتضمن العملية عمومًا مُنسقًا مركزيًا يدير بروتوكول المعيار. يقوم مالكو البيانات المشاركون (العملاء) بتدريب نسخة محلية من النموذج باستخدام بياناتهم الخاصة. بدلاً من إرسال البيانات، يرسل العملاء تحديثات النموذج (التدرجات أو الأوزان) مرة أخرى إلى المنسق. يقوم المنسق بتجميع هذه التحديثات باستخدام تقنيات مثل المتوسط الموحد الموحد (FedAvg) لإنشاء نموذج عالمي ومُحسَّن. ثم يختبر المعيار هذا النموذج العالمي مقابل مهام محددة مسبقًا وموحدة عبر بيئات موحدة أو حقيقية مختلفة.
التعلم الموحد، الخصوصية التفاضلية، انحراف النموذج، الحوسبة الموزعة.
