Symposium Agorantic 2024 #7/7 - Projet TRUST - Moussaad Sbai [3 décembre 2024]

 Description

Titre : TRUST : apprentissage fédéré pour des données hétérogènes et sensibles

Orateur : Moussaad Sbai

Résumé : L’apprentissage fédéré est une approche décentralisée de l’entraînement de modèles d’intelligence artificielle (IA) qui permet de tirer parti des données localisées sur plusieurs appareils ou serveurs, sans avoir à centraliser ces données dans un seul endroit. L’apprentissage fédéré est une méthode de plus en plus utilisée dans différents contextes en raison de ses avantages en matière de respect et maintien de la confidentialité des données décentralisées. Particulièrement, il est pratique dans les industries sensibles où les données sont hautement réglementées ou précieuses, comme la santé, la finance ou les secteurs gouvernementaux où le transfert de données hors site, vers des centres de données externes, est souvent interdit ou risqué. Par contre, l’utilisation des données issues depuis plusieurs appareils avec des contextes différents, dispose l’apprentissage fédéré à utiliser des données avec des distributions très variables. Cette diversité dans les distributions des données, appelée hétérogénéité statistique, affecte les performances globales du modèle résultant de l’apprentissage fédéré. Ce qui nous a motivé à étudier quantitativement l’impact de l’hétérogénéité statistique sur le model global de l’apprentissage fédéré et proposer des solutions efficaces pour améliorer ses performances tout en maintenant la confidentialité des données.

Site de la FR Agorantic : https://agorantic.univ-avignon.fr/