پروژه federated-learning-token

FELT-Labs/federated-learning-token

این پروژه ترکیبی از یادگیری فدرال و بلاکچین است تا داده‌های حساس را بدون نیاز به اشتراک‌گذاری مستقیم، مورد تحلیل قرار دهد.

کاربرد:

این فناوری به سازمان‌ها اجازه می‌دهد مدل‌های یادگیری ماشین را با همکاری چندین طرف، آموزش دهند، بدون اینکه داده‌های شخصی هر طرف لو برود. مناسب برای حوزه‌هایی مثل سلامت، مالی و خدمات عمومی است.

در چه شرایطی بهتره استفاده شود؟

وقتی حریم خصوصی داده‌ها اولویت داره، اما نیاز به همکاری چندین نهاد برای ساخت مدل هوشمند وجود داره. همچنین زمانی که شفافیت و غیرمتمرکز بودن فرآیند یادگیری مهم باشه.

چند مثال از موارد استفاده:

- بیمارستان‌ها مدل تشخیص بیماری رو با داده‌های محلی آموزش می‌دن بدون اشتراک دادن پرونده‌های بیماران.

- بانک‌ها الگوهای کلاهبرداری رو تشخیص می‌دن بدون افشای اطلاعات مشتریان.

- شهرهای هوشمند ترافیک رو با داده‌های محلی از دوربین‌ها بهینه می‌کنند.