Federated Learning Systems: Towards Privacy-Preserving Distributed AI
Muhammad Habib ur Rehman · Mohamed Medhat Gaber
abr 2025 · Springer Nature
eBook
165
Páginas
reportLas valoraciones y las reseñas no se verifican. Más información
Información sobre este eBook
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.
Valorar este eBook
Danos tu opinión.
Información sobre cómo leer
Smartphones y tablets
Instala la aplicación Google Play Libros para Android y iPad/iPhone. Se sincroniza automáticamente con tu cuenta y te permite leer contenido online o sin conexión estés donde estés.
Ordenadores portátiles y de escritorio
Puedes usar el navegador web del ordenador para escuchar audiolibros que hayas comprado en Google Play.
eReaders y otros dispositivos
Para leer en dispositivos de tinta electrónica, como los lectores de libros electrónicos de Kobo, es necesario descargar un archivo y transferirlo al dispositivo. Sigue las instrucciones detalladas del Centro de Ayuda para transferir archivos a lectores de libros electrónicos compatibles.
