分散型学習

フェデレーテッドラーニングとスプリットラーニングが含まれます。各ノードはプライベートデータを使用してローカルでトレーニングし、モデルの更新や埋め込みを中央サーバーと共有します。これにより、データのプライバシーが保護され、帯域幅が削減されますが、ポイズンドアップデート攻撃を防ぐためには、安全な集約、ドリフト処理、更新検証のガバナンスが必要です。