Apprendimento Federato per la Privacy nell'Ottimizzazione dei Processi Chimici
Un nuovo framework consente l'addestramento collaborativo di modelli tra impianti chimici distribuiti senza condividere dati grezzi. Ogni impianto addestra localmente un modello di processo basato su reti neurali utilizzando dati di sensori in serie temporali, trasmettendo solo i parametri del modello a un server di aggregazione centrale tramite meccanismi sicuri. Ciò preserva la località dei dati e la riservatezza industriale. Gli esperimenti hanno utilizzato dataset provenienti da tre impianti indipendenti.
Fatti principali
- arXiv:2604.26073
- L'apprendimento federato consente l'addestramento collaborativo di modelli senza condividere dati operativi grezzi
- Ogni impianto addestra localmente un modello di processo basato su reti neurali
- Solo i parametri del modello vengono trasmessi a un server di aggregazione centrale
- Vengono utilizzati meccanismi di aggregazione sicuri
- La valutazione sperimentale ha utilizzato dataset di processo da tre impianti chimici indipendenti
- Gli impianti operano in condizioni eterogenee
- Il framework affronta i vincoli di riservatezza dei dati negli impianti chimici industriali
Entità
—