Federated Learning
Verinin merkezi bir sunucuya taşınmadan, cihazlarda yerel olarak model eğitimi yapılmasını sağlayan yöntem.
Federatif öğrenme, kullanıcı verilerinin hiçbir zaman kendi cihazından merkezi bir sunucuya taşınmadan model eğitiminin gerçekleştirilmesini sağlayan dağıtık bir yaklaşımdır. Her cihaz kendi yerel verisiyle modelin bir kopyasını günceller, ardından yalnızca bu güncellemeler (ham veri değil) merkezi sunucuda toplanıp birleştirilir. Bu mimari, klavye tahmin sistemlerinden sağlık verisi analizine kadar gizliliğin kritik önem taşıdığı senaryolarda tercih edilir; çünkü kişisel veriler tek bir noktada birikmez ve veri ihlali riski azalır. Buna karşılık iletişim maliyeti, cihazlar arası veri dengesizliği ve güvenlik saldırılarına karşı ek önlemler gerektirmesi federatif öğrenmenin başlıca zorluklarıdır.