Abordando datos no IID y la contaminación de datos en el aprendizaje federado utilizando datos sintéticos adversariales

El aprendizaje federado (FL) implica el entrenamiento conjunto de modelos por varios dispositivos, preservando la privacidad de sus datos. Sin embargo, presenta el desafío de lidiar con datos heterogéneos ubicados en los dispositivos participantes. Este problema puede verse aún más complicado por la aparición de clientes maliciosos, que buscan sabotear el proceso de entrenamiento al contaminar los datos locales. En este contexto, surge un problema de diferenciación entre datos contaminados y datos no IID. Para abordarlo, se propone una técnica que utiliza generación de datos sintéticos sin datos, utilizando un concepto inverso de ataque adversarial. Las entradas adversariales permiten mejorar el proceso de entrenamiento al medir la coherencia de los clientes, favoreciendo a los participantes de confianza. Se reportan y analizan resultados experimentales obtenidos de las tareas de clasificación de imágenes para los conjuntos de datos MNIST, EMNIST y CIFAR-10.