|
L'apprentissage
automatique f�d�r� (FML, federated machine learning) est un cadre
r�parti en plein essor qui ouvre la voie � l'apprentissage automatique (ML, machine
learning) collaboratif et � la construction de mod�les s'appuyant sur des
ensembles de donn�es r�partis et d�centralis�s. Un service d'apprentissage f�d�r� pr�sente des
caract�ristiques qui lui sont propres, notamment l'emplacement des donn�es
utilis�es dans le calcul et la mise � disposition de ces donn�es sans les
rendre visibles. Les participants au service peuvent
ainsi entra�ner de mani�re conjointe des mod�les ML sans partager les
donn�es brutes, ce qui offre une solution technique pour casser l'isolement
des donn�es et favorise la coop�ration entre propri�taires de donn�es.
Un service FML fait
intervenir de multiples participants, lesquels pr�sentent des facteurs d'impact
distincts et apportent de ce fait une contribution sp�cifique aux t�ches d'entra�nement
des mod�les ML. Il est capital de disposer d'un
m�canisme efficace et s�r d'�valuation des contributions aux services FML,
afin d'accro�tre la participation des parties impliqu�es et de favoriser le
d�veloppement durable de ces services.
La Recommandation UIT-T F.748.24 d�crit un
service d'�valuation de confiance des contributions aux services FML qui
associe et tire avantage des fonctionnalit�s FML et de la technologie des
registres distribu�s; elle expose �galement les concepts, caract�ristiques,
prescriptions et cas d'utilisation pertinents, et d�finit un cadre de
r�f�rence ad�quat et les capacit�s communes d'un tel service.
|