Federated Learning Systems: Towards Privacy-Preserving Distributed AI
Muhammad Habib ur Rehman · Mohamed Medhat Gaber
04.2025 г. · Springer Nature
Електронна книга
165
Страници
reportОценките и отзивите не са потвърдени Научете повече
Всичко за тази електронна книга
This book dives deep into both industry implementations and cutting-edge research driving the Federated Learning (FL) landscape forward. FL enables decentralized model training, preserves data privacy, and enhances security without relying on centralized datasets. Industry pioneers like NVIDIA have spearheaded the development of general-purpose FL platforms, revolutionizing how companies harness distributed data. Alternately, for medical AI, FL platforms, such as FedBioMed, enable collaborative model development across healthcare institutions to unlock massive value.
Research advances in PETs highlight ongoing efforts to ensure that FL is robust, secure, and scalable. Looking ahead, federated learning could transform public health by enabling global collaboration on disease prevention while safeguarding individual privacy. From recommendation systems to cybersecurity applications, FL is poised to reshape multiple domains, driving a future where collaboration and privacy coexist seamlessly.
Оценете тази електронна книга
Кажете ни какво мислите.
Информация за четенето
Смартфони и таблети
Инсталирайте приложението Google Play Книги за Android и iPad/iPhone. То автоматично се синхронизира с профила ви и ви позволява да четете онлайн или офлайн, където и да сте.
Лаптопи и компютри
Можете да слушате закупените от Google Play аудиокниги посредством уеб браузъра на компютъра си.
Електронни четци и други устройства
За да четете на устройства с електронно мастило, като например електронните четци от Kobo, трябва да изтеглите файл и да го прехвърлите на устройството си. Изпълнете подробните инструкции в Помощния център, за да прехвърлите файловете в поддържаните електронни четци.
