Validering av ett systemutvecklingskit för federerad maskininlärning för edgeapplikationer
| Diarienummer | |
| Koordinator | Scaleout Systems AB |
| Bidrag från Vinnova | 4 918 474 kronor |
| Projektets löptid | oktober 2023 - september 2025 |
| Status | Pågående |
| Utlysning | Avancerad digitalisering - Möjliggörande tekniker |
| Ansökningsomgång | Avancerad och innovativ digitalisering 2023 - andra utlysning |
Syfte och mål
Projektets primära syfte är att öka vår förståelse för skalbarhet och cybersäkerhet inom federerad maskininlärning specifikt för tillämpningar vi molnkanten. Vi kommer också att vidareutveckla och validera ett systemutvecklingskit för federerad maskninlärning, FEDn, för storskaliga tillämpningar inom “fleet intelligence”.
Förväntade effekter och resultat
Konkreta mål med projektet inkluderar: - En ny testbed för storskaliga experiment med miljontals av klienter i en federation. - En ökad förståelse för effekten av så kallade "stragglers" i federerad maskininlärning med stort antal klienter. - Ny teori och analys kring hur urval och partitioning av klienter kommer in i en formell säkerhetsanalys. - Nya aggregreringsstrategier som förbättrar både skalbarhet och säkerhet.
Planerat upplägg och genomförande
Projektet organiseras i fyra arbetspaket som till stor del kommer överlappa i tid. Vi kommer bilda en organisationsöverskridande projektgrupp med medlemmar från Scaleout, Uppsala Universitet och en samarbetspartner. Vi planerar att ses regelbundet via Zoom (varannan vecka) och i fysiska träffar en gång per kvartal.