Resumen

El aprendizaje automático federado (FML) es un marco distribuido incipiente que facilita el aprendizaje automático (ML) colaborativo y la elaboración de modelos para conjuntos de datos distribuidos y descentralizados. El servicio de aprendizaje automático federado posee características propias, como la localización de los datos en el cálculo y la disponibilidad de datos sin visibilidad. Además, permite a los participantes formar conjuntamente modelos ML sin compartir datos sin procesar, lo que técnicamente puede evitar el aislamiento de los datos y fomentar la cooperación entre los propietarios de los mismos.

El servicio FML abarca varios participantes, que suelen realizar contribuciones de índole diversa a las tareas de formación de modelos ML, debido a la necesidad de observar sus numerosos factores determinantes. Disponer de un mecanismo de evaluación de contribuciones eficaz y fidedigno para el servicio FML es esencial para fomentar la colaboración de las partes y permite promover el desarrollo sostenible de servicios FML.

En la Recomendación UIT‑T F.748.24 se presenta un servicio de evaluación de contribuciones de confianza para el servicio FML que conjuga y aprovecha las funcionalidades de FML y de la tecnología de libro mayor distribuido, proporciona conceptos, características, requisitos y casos de utilización pertinentes, y permite especificar el marco de referencia y las capacidades comunes correspondientes.