Decentralized brilliance: deploying a federated learning platform and evaluating aggregation algorithms

Detalhes bibliográficos
Autor(a) principal: Schulz, Hans Herbert
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

Registros relacionados