FedMalin

Dans de nombreux cas d'utilisation de l'apprentissage automatique, les données sont naturellement décentralisées : les données patients sont collectées et stockées par différents hôpitaux, les données des applications de crowdsensing sont générées par des appareils personnels, etc. L'apprentissage fédéré est récemment apparu comme un nouveau paradigme où plusieurs entités avec des ensembles de données locaux entraînent des modèles d'apprentissage automatique de manière collaborative tout en gardant leurs données décentralisées. FedMalin est un Défi Inria qui vise à faire progresser la recherche sur l'apprentissage fédéré et des cas d'utilisation concrets à travers un consortium multidisciplinaire impliquant une expertise en apprentissage automatique, systèmes distribués, confidentialité et sécurité, réseaux et médecine. Nous proposons de relever un certain nombre de défis qui surviennent lorsque l'apprentissage fédéré est déployé sur Internet, notamment la confidentialité et l'équité, la consommation d'énergie, la personnalisation et les dépendances temporelles et spatiales. FedMalin contribuera également au développement d'outils open source pour l'expérimentation de l'apprentissage fédéré et son déploiement dans le monde réel, et les utilisera pour des applications concrètes en médecine et en crowdsensing.