Benchmarking e Testing di algoritmi di Federated Learning con Fluke

Since its conception, Federated learning has emerged as a promising technique that allows a federation of clients to collaboratively train a common model while keeping training data on the device, untying the learning capability from the need to store data in the cloud. In this thesis we go on to expand fluke, a federated learning framework designed for research, with the goal of providing an overview of major Federated Learning algorithms and making the development of Federated Learning techniques more accessible and usable for the scientific community. The value of the work done lies in the ability to compare new implementations with established solutions, which is critical to the development of quality technical solutions. Through verification of implementations and a suite of benchmarks, we demonstrate how fluke is able to support the development of a wide variety of algorithms while maintaining a focus on simplicity and modularity, providing the scientific community with an infrastructure for the development of ideas rather than large-scale deployments.

Dalla sua concezione l’apprendimento Federato è emerso come una tecnica promettente che permette a una federazione di client di addestrare in maniera collaborativa un modello comune, mantenendo i dati di addestramento sul dispositivo, slegando la capacità di apprendimento dalla necessità di memorizzare i dati nel cloud. In questo lavoro di tesi si va a espandere fluke, un framework per apprendimento federato ideato per la ricerca, con l’obiettivo di fornire una panoramica sui maggiori algoritmi di Federated Learning e di rendere lo sviluppo di tecniche di Federated Learning più accessibile e utilizzabile per la comunità scientifica. Il valore del lavoro svolto risiede nella possibilità di raffrontare nuove implementazioni con soluzioni consolidate, che risulta fondamentale per lo sviluppo di soluzioni tecniche di qualità. Attraverso la verifica delle implementazioni e una suite di benchmark, si dimostreremo come fluke sia in grado di supportare lo sviluppo di un’ampia varietà di al goritmi mantenendo il focus sulla semplicità e la modularità, offrendo alla comunità scientifica un’infrastruttura per lo sviluppo delle idee piuttosto che deployment su larga scala.