Datensicherheit

In der traditionellen Pipeline des maschinellen Lernens ist die Datenerfassung der erste und oft teuerste Schritt. Um ein Modell zu trainieren, müssen Sie rohe Benutzerdaten wie Fotos, Textnachrichten, Gesundheitsakten oder Finanztransaktionen sammeln und auf einen zentralen Cloud-Server hochladen. Obwohl dieser zentralisierte Ansatz die KI-Revolution vorangetrieben hat, steht er vor großen Herausforderungen: Datenschutzbedenken: Benutzer zögern zunehmend, private Daten auf Server von Drittanbietern hochzuladen. Datenregulierung: Vorschriften wie die DSGVO schränken die Übertragung und Speicherung personenbezogener Daten streng ein. Bandbreitenkosten: Das Hochladen von Gigabytes an Rohdaten von Millionen von Edge-Geräten (wie Smartphones) ist äußerst ineffizient. Föderiertes Lernen (Federated Learning - FL) löst diese Probleme, indem es das traditionelle Paradigma auf den Kopf stellt. Anstatt die Daten zum Modell zu bringen, bringt es das Modell zu den Daten.