文献

J-GLOBAL ID：202202236628152038   整理番号：22A0919966

画像処理に向けた連合学習に関するレビュー【JST・京大機械翻訳】

A review on federated learning towards image processing

著者 (6件)： KhoKhar Fahad Ahmed (Department of Computer Science,COMSATS University Islamabad, Wah Campus, 47040, Pakistan) ,  Shah Jamal Hussain (Department of Computer Science,COMSATS University Islamabad, Wah Campus, 47040, Pakistan) ,  Khan Muhammad Attique (Department of Computer Science,HITEC Unnversity Taxila, Taxila 47080, Pakistan) ,  Sharif Muhammad (Department of Computer Science,COMSATS University Islamabad, Wah Campus, 47040, Pakistan) ,  Tariq Usman (College of Computer Engineering and Science, Prince Sattam Bin Abdulaziz University, Al-Kharaj, Saudi Arabia) ,  Kadry Seifedine (Faculty of Applied Computing and Technology, Noroff University College, Kristiansand, Norway)
資料名： Computers and Electrical Engineering  (Computers and Electrical Engineering)
巻： 99  ページ： Null  発行年： 2022年 
JST資料番号： D0546B  ISSN： 0045-7906  CODEN： CPEEBQ  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 今日,データプライバシーは機械学習において重要な考察である。本論文は,データセキュリティとプライバシーを改善するために,Fedated Learningがどのように使用できるかの概観を提供する。連合学習は,プライバシーが決してはならないことを確実にする3つの異なるアーキテクチャから成る。反復学習は,個々のエッジデバイスを訓練し,次にエッジデバイスデータを共有することなくサーバ上に凝集する一種の集団学習である。他方,連合学習はデータ共有のない安全なモデルを提供し,セキュリティとデータアクセスを提供する高効率プライバシー保護ソリューションをもたらす。連合学習で使われる様々なフレームワーク,また,機械学習,深層学習,およびデータマイニングを用いて連合学習がどのように使用されるかを論じた。本論文では,モデル上で訓練されたデータが安全で保護されていることを確実にする画像処理アプリケーションに焦点を当てた。関連する研究作業の正確な記述と同様に最近の文献において提起された重要課題の包括的な概観を提供した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： テンソル ,  保護 ,  *画像処理 ,  プライバシー ,  通信 ,  応用プログラム ,  計算機アーキテクチャ ,  機械学習 ,  データマイニング ,  情報セキュリティ
準シソーラス用語： 連合学習 ,  高効率 ,  プライバシー保護 ,  データアクセス ,  データプライバシー ,  データセキュリティ ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 連合学習 ,  データプライバシー ,  エッジコンピューティング ,  安全な通信 ,  テンソル流連合

分類 (2件)： データ保護  (JD01020V) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 画像処理 ,  学習 ,  レビュー