在日常設備上實現隱私保護的AI訓練

麻省理工學院研究人員開發了一種新方法，將聯邦學習的訓練速度提升了約81%，同時將每個設備的存儲需求降低80%，通信開銷降低69%。該方法通過選擇性參數子集、異步更新和加權更新，使得在資源受限的邊緣設備（如傳感器和智能手錶）上也能高效訓練高精度AI模型，並保護用户數據隱私。這項技術有望在醫療和金融等對安全要求高的領域得到應用，並特別有益於設備性能較低的發展中國家。