BÜYÜK VERİLERDE GİZLİLİK TABANLI YAKLAŞIM: FEDERE ÖĞRENME

Bu çalışmada dağıtık yapılardaki büyük verilerden gizlilik tabanlı makine öğrenmesi uygulamaları geliştirilmesi için federe öğrenme biçimi anlatılmıştır. Federe öğrenme eğitim verilerini yerelde tutarken, cep telefonları ve IoT insert ignore into journalissuearticles values(Internet of Things); cihazları gibi kaynakları kısıtlı uç aygıtların tahmin için paylaşılan bir model öğrenmesini sağlar. Federe öğrenme büyük ve heterojen ağlarda modellerin istatiksel eğitimlerini içerir. Bu dağıtık yapı içerisinde temel amaç toplam kayıp fonksiyon değerini minimize edebilmektir. Dağıtık yerel cihazlarda modelleri federe öğrenme ile eğitmedeki istatistiksel ve sistematik zorluklar, federe öğrenmenin gerçek dünyaya uygulanmasını zorlaştırmaktadır. Zorlukların çözümü ile ilgili yeni yaklaşımlar ve algoritmalar önerilmektedir. Elde edilen sonuçlar doğrultusunda federe öğrenmenin uygulanması ile merkezi yaklaşım, gizlilik, güvenlik, düzenleyici ve ekonomik olarak faydalar sağlayacağı öngörülmektedir.