フェデレーテッドシグナル
フェデレーテッドシグナルとは、生データを元の場所から移動させることなく、地理的に分散している、またはサイロ化された複数のデータソースから意味のあるプライバシー保護されたデータシグナルを集約または合成する手法を指します。これは、フェデレーテッドラーニングフレームワークにおける中核的な概念です。
現代のデータエコシステムでは、データは厳しく規制されているか、専有的なものであることが多く、一元的な収集を妨げています。フェデレーテッドシグナルは、組織が分散したデータセットの集合知(例えば、複数のデバイスにわたるユーザー行動や複数のクリニックにわたる病院記録など)を活用して、GDPRやHIPAAなどの厳格なコンプライアンス基準を順守しながら、堅牢で正確なモデルを構築できるようにします。
生データを中央サーバーに送信する代わりに、モデル(またはその更新/勾配)がローカルのデータサイロに送信されます。各サイロは、独自のプライベートデータでモデルをローカルにトレーニングします。結果として得られた集約されたモデル更新(「シグナル」)のみが中央オーケストレーターに送信されます。この中央エンティティは、これらのシグナルを平均化または結合して改善されたグローバルモデルを作成し、次のローカルトレーニングラウンドのために再配布します。