المكدس الاتحادي
يشير المكدس الموحد (Federated Stack) إلى بنية حوسبة موزعة ومتعددة الطبقات حيث تتم معالجة البيانات وتدريب النماذج محليًا عبر عقد أو أجهزة مستقلة متعددة، بدلاً من تجميعها في مستودع مركزي واحد. يسمح هذا الهيكل للمؤسسات بالاستفادة من الرؤى الجماعية للبيانات مع الحفاظ على سيادة البيانات والخصوصية الصارمة.
في عصر اللوائح التنظيمية الصارمة للبيانات (مثل اللائحة العامة لحماية البيانات GDPR وقانون خصوصية المستهلك في كاليفورنيا CCPA)، يمثل تجميع البيانات الحساسة خطرًا كبيرًا على الامتثال. يعالج المكدس الموحد هذا الأمر عن طريق نقل عملية الحوسبة إلى البيانات. هذا التحول بالغ الأهمية للصناعات التي تتعامل مع معلومات حساسة للغاية، مثل الرعاية الصحية والتمويل وإنترنت الأشياء (IoT)، مما يتيح تطوير ذكاء اصطناعي قوي دون المساس بالخصوصية.
تتضمن العملية عادةً مُنسِّقًا مركزيًا ينسق عملية التدريب. تقوم العقد المحلية (مثل خوادم المستشفيات الفردية أو أجهزة المستخدمين) بتدريب نموذج باستخدام بياناتها المحلية الخاصة. بدلاً من مشاركة البيانات الأولية، تشارك هذه العقد فقط تحديثات النموذج أو التدرجات (gradients) مع الخادم المركزي. يقوم الخادم المركزي بعد ذلك بتجميع هذه التحديثات لإنشاء نموذج عالمي مُحسَّن، والذي يُعاد توزيعه للجولة التالية من التدريب المحلي.
يرتبط هذا المفهوم ارتباطًا وثيقًا بالخصوصية التفاضلية (Differential Privacy) (التي تضيف ضوضاء إلى التحديثات لضمانات خصوصية إضافية) والحوسبة الطرفية (Edge Computing) (التي تركز على معالجة البيانات بالقرب من المصدر).
