Inferencia de Contribuciones en aprendizaje federado con preservación de privacidad 

¿Cómo calcular las contribuciones inviduales a un resultado global obtenido en un entorno colaborativo? Esta pregunta surge de forma natural en diversos campos científicos y resulta particularmente desafiante en el contexto del Aprendizaje Federado. Además, sigue siendo en gran medida inexplorada en entornos que preservan la privacidad, donde las acciones individuales se ocultan mediante técnicas como Agregación Segura. 

En nuestro trabajo proponemos una métrica para evaluar la contribución de los datos de cada participante al modelo global obtenido mediante aprendizaje federado. Durante la charla, exploraremos el marco del aprendizaje federado, la importancia de evaluar las contribuciones individuales, su relación con la privacidad en el aprendizaje automático, y analizaremos diversas métricas diseñadas para capturar la aportación de cada participante.

Trabajo conjunto con Balázs Pejó (Laboratory of Cryptography and System Security, Department of Networked Systems and Services, Faculty of Electrical Engineering and Informatics, Budapest University of Technology and Economics).