संघीय अर्ध-परिवीक्षित अध्ययन पर एक व्यापक सर्वेक्षण: अनुप्रयोग, चुनौतियाँ, और भविष्य के दिशा-निर्देश

संक्षेप में संघीय अध्ययन (FL) एक विकेन्द्रीकृत तरीका है जो उपयोगकर्ता डेटा की गोपनीयता को बनाए रखते हुए एक वैश्विक मशीन लर्निंग मॉडल को संयुक्त रूप से प्रशिक्षण देने के लिए है। हाल के वर्षों में, इसकी गोपनीयता-संरक्षण और सहयोगात्मक प्रकृति ने शोधकर्ताओं के बीच काफी रुचि आकर्षित की है। हालांकि, वास्तविक दुनिया के परिदृश्यों में, यह अक्सर अव्यवहारिक होता है कि सभी क्लाइंट के पास पूरी तरह से लेबल डेटा है, क्योंकि बड़े लेबल डेटा सेट प्राप्त करना महंगा हो सकता है और इसके लिए विशेषज्ञता की आवश्यकता होती है। FL में इस समस्या को हल करने के लिए, एक नया दृष्टिकोण प्रस्तुत किया गया है जिसे संघीय अर्ध-परिवीक्षित अध्ययन (FSSL) कहा जाता है, जिसका उद्देश्य मॉडल प्रशिक्षण के दौरान बिना लेबल वाले डेटा को शामिल करके FL में वैश्विक मॉडल के समग्र प्रदर्शन को बढ़ाना है। इस क्षेत्र का विस्तृत अध्ययन प्रदान करने और आगे के शोध को प्रेरित करने के लिए, हम FSSL पद्धति का उपयोग करके हाल के अध्ययनों का व्यवस्थित और व्यापक रूप से अवलोकन प्रदान करते हैं। हम वर्तमान चुनौतियों और खुले मुद्दों पर भी चर्चा करते हैं ताकि शोधकर्ताओं को भविष्य के शोध के लिए दिशाएँ मिल सकें।