Federated Learning

Federated Learning (федеративное обучение) — это подход к построению и обучению моделей искусственного интеллекта, при котором исходные данные остаются на локальных устройствах (смартфонах, датчиках, медицинском оборудовании). На каждом устройстве модель обучается локально, после чего на центральный сервер отправляются только агрегированные параметры (например, веса нейронной сети). Это позволяет использовать большие распределённые наборы данных без их централизации, существенно снижая риски утечек персональной информации и обеспечивая соблюдение конфиденциальности. Технология опирается на криптографические протоколы защиты передачи параметров и часто комбинируется с дифференциальной приватностью для дополнительного уровня анонимизации.