Mobile-Menu

Publikation Potenziale und Risiken des verteilten maschinellen Lernens

Quelle: Pressemitteilung Acatech |

Anbieter zum Thema

MPDV Mikrolab GmbH
Trebing & Himstedt Prozeßautomation GmbH & Co. KG
TXOne Networks
Acatech - Deutsche Akademie der Technikwissenschaften e.V.
Lernende Systeme – Die Plattform für Künstliche Intelligenz Geschäftsstelle | c/o acatech

KI-Systeme analysieren großen Mengen an Daten. Die Methode des verteilten maschinellen Lernens bietet eine technische Lösung, datenschutzwahrende Anwendungen zu schaffen. Einen Überblick über die Potenziale und Risiken gibt die erste Ausgabe von KI Kompakt.

(Bild: pdusit - stock.adobe.com)

Unternehmen stellt die Entwicklung von KI-Anwendungen mithilfe personenbezogener Daten vor große rechtliche Unsicherheiten. Denn die Hürden zur Einhaltung des Datenschutzes und des Rechts auf informationelle Selbstbestimmung sind hoch. Die Methode des verteilten maschinellen Lernens bietet eine technische Lösung, datenschutzwahrende KI-Anwendungen zu schaffen. Statt zentral auf einem Server werden hier Modelle des maschinellen Lernens (ML-Modelle) auf vielen Endgeräten dezentral trainiert. Somit bleiben die persönlichen Daten bei den Nutzenden. Einen knappen Überblick über Potenziale und Risiken des verteilten maschinellen Lernens gibt die erste Ausgabe von KI Kompakt, einer neuen Publikationsreihe der Plattform Lernende Systeme.

Zu den aktuellen technischen Ansätzen des verteilten maschinellen Lernens zählen das Split Learning, Federated Learning und Swarm Learning. Insbesondere KI-basierte Gesundheitslösungen, die personalisierte Patientendaten nutzen, um zum Beispiel Krankheitsfälle wie Covid-19 oder Leukämie zu erkennen, können von der Methode des verteilten maschinellen Lernens profitieren. Allerdings könne das verteilte maschinelle Lernen auch neue Einfallstore für Angreifer öffnen und möglicherweise ein trügerisches Sicherheitsgefühl erzeugen, heißt es in der KI-Kompakt-Ausgabe. Wie neu entstehende Angriffsfenster geschlossen werden können, ohne die Leistungsfähigkeit einzuschränken, sei noch Gegenstand der Forschung.

Zur Ausgabe „Verteiltes maschinelles Lernen“ von KI Kompakt

(ID:48623554)

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte