Decentralized brilliance: deploying a federated learning platform and evaluating aggregation algorithms
Autor(a) principal: | |
---|---|
Data de Publicação: | 2024 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | eng |
Título da fonte: | Repositório Institucional da UFSC |
Texto Completo: | https://repositorio.ufsc.br/handle/123456789/255868 |
Resumo: | TCC (graduação) - Universidade Federal de Santa Catarina, Campus Joinville, Engenharia Aeroespacial. |
id |
UFSC_394834bde0ff64215ec4684646601d9c |
---|---|
oai_identifier_str |
oai:repositorio.ufsc.br:123456789/255868 |
network_acronym_str |
UFSC |
network_name_str |
Repositório Institucional da UFSC |
repository_id_str |
2373 |
spelling |
Decentralized brilliance: deploying a federated learning platform and evaluating aggregation algorithmsFederated LearningDockerArtificial IntelligenceIBMAprendizado FederadoInteligência ArtificialTCC (graduação) - Universidade Federal de Santa Catarina, Campus Joinville, Engenharia Aeroespacial.Com o desenvolvimento exponencial no campo da inteligência artificial, a preocupação com a privacidade e a aquisição de dados aumentou dramaticamente. Vários governos já restringiram suas leis de proteção de dados para melhor proteger o indivíduo contra vazamentos de informações. Para mitigar a possibilidade de vazamento, foi concebida a abordagem de Federated Learning, de modo que os modelos pudessem ser treinados sem acessar os dados privados de uma entidade. Além disso, ela permite que vários clientes, geograficamente separados, participem do processo de treinamento sem compartilhar dados. Para este trabalho, uma plataforma de Federated Learning foi implantada em dois clientes usando tecnologia de contêineres. Além disso, foi realizado um procedimento de treinamento usando as duas estratégias de Federated Learning mais comuns e usando o conjunto de dados MNIST. Finalmente, os resultados alcançados foram capazes de determinar se a plataforma foi implantada corretamente e qual estratégia teve um desempenho melhor, tanto dentro do modelo quanto dentro das capacidades de hardware dos clientes.With the exponential development in the artificial intelligence field, the concern for privacy and data acquisition has increased dramatically. Several governments have already restricted their data protection laws to better shield individuals from information leakage. The Federated Learning (FL) approach was conceived to mitigate any leakage possibility so that models could be trained without accessing one’s private data. Furthermore, it allows several clients who are geographically apart to partake in the training process without sharing data. This work deployed an FL platform in two clients using container technology. Moreover, a training procedure using the two most common FL strategies was performed using the MNIST dataset. Finally, the achieved results were able to tell whether the platform was correctly deployed and which strategy performed better, both within the model and within the hardware capabilities of the clients.Joinville, SC.Moreira, Benjamin GrandoRosa, Gustavo Laydner de MeloUniversidade Federal de Santa Catarina.Schulz, Hans Herbert2024-07-11T03:35:00Z2024-07-11T03:35:00Z2024-06-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis75 f.application/pdfhttps://repositorio.ufsc.br/handle/123456789/255868Open Access.info:eu-repo/semantics/openAccessengreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2024-07-11T03:35:01Zoai:repositorio.ufsc.br:123456789/255868Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732024-07-11T03:35:01Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false |
dc.title.none.fl_str_mv |
Decentralized brilliance: deploying a federated learning platform and evaluating aggregation algorithms |
title |
Decentralized brilliance: deploying a federated learning platform and evaluating aggregation algorithms |
spellingShingle |
Decentralized brilliance: deploying a federated learning platform and evaluating aggregation algorithms Schulz, Hans Herbert Federated Learning Docker Artificial Intelligence IBM Aprendizado Federado Inteligência Artificial |
title_short |
Decentralized brilliance: deploying a federated learning platform and evaluating aggregation algorithms |
title_full |
Decentralized brilliance: deploying a federated learning platform and evaluating aggregation algorithms |
title_fullStr |
Decentralized brilliance: deploying a federated learning platform and evaluating aggregation algorithms |
title_full_unstemmed |
Decentralized brilliance: deploying a federated learning platform and evaluating aggregation algorithms |
title_sort |
Decentralized brilliance: deploying a federated learning platform and evaluating aggregation algorithms |
author |
Schulz, Hans Herbert |
author_facet |
Schulz, Hans Herbert |
author_role |
author |
dc.contributor.none.fl_str_mv |
Moreira, Benjamin Grando Rosa, Gustavo Laydner de Melo Universidade Federal de Santa Catarina. |
dc.contributor.author.fl_str_mv |
Schulz, Hans Herbert |
dc.subject.por.fl_str_mv |
Federated Learning Docker Artificial Intelligence IBM Aprendizado Federado Inteligência Artificial |
topic |
Federated Learning Docker Artificial Intelligence IBM Aprendizado Federado Inteligência Artificial |
description |
TCC (graduação) - Universidade Federal de Santa Catarina, Campus Joinville, Engenharia Aeroespacial. |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024-07-11T03:35:00Z 2024-07-11T03:35:00Z 2024-06-20 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufsc.br/handle/123456789/255868 |
url |
https://repositorio.ufsc.br/handle/123456789/255868 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
Open Access. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Open Access. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
75 f. application/pdf |
dc.publisher.none.fl_str_mv |
Joinville, SC. |
publisher.none.fl_str_mv |
Joinville, SC. |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSC instname:Universidade Federal de Santa Catarina (UFSC) instacron:UFSC |
instname_str |
Universidade Federal de Santa Catarina (UFSC) |
instacron_str |
UFSC |
institution |
UFSC |
reponame_str |
Repositório Institucional da UFSC |
collection |
Repositório Institucional da UFSC |
repository.name.fl_str_mv |
Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC) |
repository.mail.fl_str_mv |
|
_version_ |
1808652098937552896 |