Verbundprojekt Vertrauenswürdiges verteiltes Lernen; Teilvorhaben Lernen im Funkkanal

Ein entscheidender Wegbereiter für KI-Tools in heterogenen Umgebungen ist das verteilte maschinelle Lernen. Die derzeitige Arbeit an verteilter KI basiert auf Standard-Optimierungswerkzeugen und betrachtet die Forschung an verteilten Algorithmen als ein von der drahtlosen Kommunikation getrenntes Thema. Dadurch entstehen zum einen Systeme, die äußerst unvorteilhaft in der Anzahl der beteiligten Kommunikationspartner skalieren und zum anderen erhebliche Defizite bei der Sicherheit, der Wahrung der Privatsphäre und der Robustheit gegen Störungen im Funknetz aufweisen. Hauptziel des Projekts ist es daher, KI-Algorithmen zu entwickeln, die: (1) wirklich nicht-hierarchisch (kein Single Point of Failure) und asynchron sind; (2) Konfidenzintervalle für die Schätzungen liefern; (3) Angriffe und Lauscher im Netzwerk erkennen; (4) die Privatsphäre bewahren; (5) reale Probleme lösen (und insbesondere Probleme im Zusammenhang mit Umweltmodellierung und Netzwerk-Cybersicherheit); und (6) praktische Kommunikationsprotokolle verwenden, die auf die verwendeten Optimierungsmethoden zugeschnitten sind. Die Arbeit unter den Projektpartnern ist dabei wie folgt aufgeteilt: Die TU Berlin wird Methoden zur Funktionsberechnung im Funkkanal und darauf aufbauende Methoden des verteilten föderierten Lernens sowie dazu passende Verteidigungsmöglichkeiten gegen Lauschangriffe entwickeln. Die NCO Torun wird untersuchen, wie sich solche verteilten Methoden des föderierten Lernens unter Wahrung der Privatsphäre durchführen lassen. TITECH wird Verteidigungsstrategien gegen aktive Angriffe mit besonderem Augenmerk auf DDoS (Distributed Denial of Service) untersuchen. Die Keio-Universität wird an der Verlässlichkeit und der Robustheit gegen Störungen der entwickelten Verfahren arbeiten.