Abschlussarbeit

Um die Sicherheit von Federated Learning zu verbessern, wird in dieser Arbeit eine Kombination von Federated Learning mit Dataset Condensation vorgeschlagen. Dies ist eine Technik, die die Informationen eines großen Datensatzes in einen kleinern synthetisiert. Wir evaluieren die Leistung eines durch Federated Learning trainiertem neuronalem Netzes mit und ohne Dataset Condensation in Bezug auf ihre Genauigkeit untersucht. Außerdem vergleichen wir die vorgeschlagene Methode Dataset Condensation mit Differentiable Siamese Augmentation in einer nicht verteilten trainierten Umgebung. Wir kommen zu dem Schluss, dass Dataset Condensation in beiden Umgebungen ähnlich gut abschneidet.