隐私保护机器学习协作
要训练机器学习算法执行特定任务（如图像分类），有必要向模型展示数百万或数十亿个示例。 当存在隐私问题时，收集如此大的数据集可能很困难，因为它们通常与医学图像有关。 麻省理工学院的研究人员和由麻省理工学院研究人员创立的初创公司 DynamoFL 改进了针对此问题的流行解决方案，称为联合学习。
联合学习允许用户以协作方式训练机器学习算法，同时将用户的敏感数据保密。 每个用户都使用他们拥有的数据在他们的设备上训练他们的模型。 然后用户将他们的模型传输到中央服务器上，中央服务器将它们组合起来并创建一个新模型。 这被发送回用户。
全球多家医院都可以使用这种方法来训练机器学习模型，该模型可以从医学图像中识别脑肿瘤，同时在本地服务器上维护患者数据。
来源和详细信息：
https://techxplore.com/news/2022-09-collaborative-machine-privacy.html