الأبحاث المرتبطة بالكلمة المفتاحية: التعلم الفيدرالي
-
إطار تعلم موزع للتعويض العميق عن البيانات المفقودة في سلاسل زمنية غير متجانسة لوحدات العناية المركزة
2026 | المؤلف: Raja Vavekanand وآخرون | المجلة: Scientific Reports | المجال: الذكاء الاصطناعي (Artificial Intelligence)يقدم هذا القسم نظرة عامة على التحديات والحلول المتعلقة بالقيم المفقودة في بيانات الرعاية الصحية متعددة الأنماط الزمنية، وخاصة في بيئات الرعاية الحرجة. تعيق طرق الاستيفاء المركزية التقليدية اللوائح المتعلقة بالخصوصية، وغالبًا ما تفتقر النماذج المؤسسية الفردية إلى القابلية للتعميم. يقدم البحث Fed-HealthImp، وهو إطار تعلم اتحادي مصمم لاستيفاء القيم المفقودة في بيانات السلاسل الزمنية…
-
مراجعة شاملة واتجاهات مستقبلية حول التعلم الفيدرالي العميق المتكامل مع البلوكشين لتطبيقات الرعاية الصحية التي تحافظ على الخصوصية
2026 | المؤلف: Sayali Karmode وآخرون | المجلة: International Journal of Data Science and Analytics | المجال: الذكاء الاصطناعي (Artificial Intelligence)تستكشف هذه المراجعة دمج التعلم الفيدرالي (FL) وبلوكشين (BC) لتعزيز تطبيقات الذكاء الاصطناعي (AI) في الرعاية الصحية مع الحفاظ على الخصوصية، وقابلية التدقيق، وقابلية التوسع، وخاصة في سياق الأيورفيدا. من خلال مراجعة منهجية لـ 87 ورقة بحثية نُشرت بشكل أساسي بين عامي 2020 و2025، إلى جانب الأعمال الأساسية، تحدد الدراسة أن FL يسهل تدريب النماذج…
-
مسح لتعلم الفيدرالية المحفوظة للخصوصية لأنظمة كشف التسلل
2026 | المؤلف: Thomas Bunko وآخرون | المجلة: Artificial Intelligence Review | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم هذه القسم نظرة عامة على التحديات والتقدم في التعلم الفيدرالي الذي يحافظ على الخصوصية (PPFL) لأنظمة كشف التسلل (IDS). تثير الأساليب التقليدية لأنظمة كشف التسلل، التي تركز البيانات للتحليل، مخاوف كبيرة بشأن الخصوصية حيث يتخلى مالكو البيانات عن السيطرة على معلوماتهم. على النقيض من ذلك، يسمح PPFL للأجهزة المحلية بمعالجة بياناتها وتطوير نماذج دون…
-
MedLedgerFL: إطار عمل هجين للتعلم الفيدرالي على البلوكشين لخدمات الرعاية الصحية عن بُعد الآمنة
2026 | المؤلف: Dileep Kumar Murala وآخرون | المجلة: Scientific Reports | المجال: الذكاء الاصطناعي (Artificial Intelligence)تتطلب التوسع السريع في الطب عن بُعد طرقًا آمنة وتعاونية وتحافظ على الخصوصية لإدارة البيانات الطبية الحساسة. تواجه نماذج التدريب التقليدية المركزية تحديات مثل تسرب البيانات ونزاعات الملكية، مما يعيق التعاون المؤسسي. لمعالجة هذه القضايا، يقدم هذا البحث MedLedgerFL، وهو منصة هجينة تدمج تقنية البلوكشين مع التعلم الفيدرالي (FL) لتعزيز سلامة وموثوقية تحليلات الرعاية الصحية…
-
أخذ عينات العملاء المثلى في التعلم الفيدرالي مع خصوصية تفاضلية غير متجانسة على مستوى العميل
2026 | المؤلف: Zhenyun Du وآخرون | المجلة: IEEE Internet of Things Journal | المجال: الذكاء الاصطناعي (Artificial Intelligence)تتناول ورقة البحث التحديات المتعلقة بتنفيذ الخصوصية التفاضلية على مستوى العميل (DP) في التعلم الفيدرالي (FL) عندما يكون لدى العملاء متطلبات خصوصية غير متجانسة. تفرض الطرق التقليدية، مثل DP-FedAvg، مستوى خصوصية موحد عبر جميع العملاء، مما قد يؤدي إلى ضوضاء DP مفرطة وانخفاض كبير في فائدة النموذج. يقترح المؤلفون نهجًا جديدًا يسمى GDPFed، والذي يجمع…
-
تقييم مركزي للبيانات لنماذج الكشف عن التسلل الفيدرالية في شبكات إنترنت الأشياء
2026 | المؤلف: Muhammad Ahmad Bilal وآخرون | المجلة: Scientific Reports | المجال: شبكات واتصالات الحاسوب (Computer Networks and Communications)تقيّم هذه الورقة البحثية فعالية التعلم الفيدرالي (FL) في أنظمة كشف التسلل (IDS) ضمن بيئات إنترنت الأشياء (IoT)، مع معالجة التحديات المتعلقة بالبيانات الموزعة والخصوصية. تستخدم الدراسة ثلاث مجموعات بيانات متميزة—Edge-IIoTset (2022)، CIC-IoT2023، وTII-SSRC-23 (2023)—تختلف في أنواع الأجهزة، وتوزيعات الميزات، وطرق الهجوم. من خلال تقييم ثلاثة خوارزميات تجميع FL (FedAvg، FedProx، FedNova) جنبًا إلى جنب…
-
GC-Fed: التعلم الفيدرالي المركزي المتدرج مع مشاركة جزئية من العملاء
2026 | المؤلف: Zhenyun Du وآخرون | المجلة: Information Fusion | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم ورقة البحث التعلم الفيدرالي المركزي المتدرج (GC-Fed)، وهو إطار عمل جديد مصمم لتعزيز أداء التعلم الفيدرالي (FL) في السيناريوهات التي تتميز بتنوع البيانات العالي والمشاركة الجزئية للعملاء. غالبًا ما تعتمد استراتيجيات التخفيف من الانجراف التقليدية على المراجع التاريخية، مثل التدرجات السابقة أو النماذج العالمية، مما يمكن أن يؤدي إلى تدريب غير مستقر عندما يشارك…
-
إطار المحول الفيدرالي القابل للتفسير لتصنيف اللوكيميا والتنبؤ بالمرحلة
2026 | المؤلف: Khadija Parwez وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقدم ورقة البحث بنية متعددة الأنماط موزعة لتشخيص اللوكيميا تجمع بين الصور الدموية عالية الدقة والسرد السريري. تستخدم هذه الإطار محولات الرؤية (ViT) لتشفير الصور وClinicalBERT لتصنيف النصوص، مما يمكّن من التشخيص المشترك وتحديد مراحل اللوكيميا بطريقة لامركزية. يحدث دمج هذه الأنماط داخل طبقة دمج متعددة الأنماط، مدعومة برؤوس إخراج مزدوجة للتشخيص الثنائي وتحديد المراحل…
-
إطار التعلم الفيدرالي المخصص القائم على البلوكشين لأنظمة توصية الأدوية المقاومة لتسميم النموذج
2026 | المؤلف: Sina Apak وآخرون | المجلة: Neural Computing and Applications | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم ورقة البحث إطار عمل للتعلم الفيدرالي المخصص (PFL) قائم على تقنية البلوكشين يهدف إلى تعزيز الأمان والخصوصية والكفاءة في بيئات الرعاية الصحية اللامركزية. من خلال السماح لعدة كيانات صحية بتدريب نموذج عالمي بشكل تعاوني دون مشاركة بيانات المرضى الخام، يعالج الإطار الثغرات الموجودة في التعلم الفيدرالي، مثل تسميم النموذج وحقن البيانات. تشمل المكونات الرئيسية…
-
FedECA: أذرع التحكم الخارجي الفيدرالية للاستدلال السببي مع بيانات الوقت حتى الحدث في البيئات الموزعة
2025 | المؤلف: Jean Ogier du Terrail وآخرون | المجلة: Nature Communications | المجال: الإحصاء والاحتمالات (Statistics and Probability)تناقش هذه القسم التحديات والتقدم في استخدام الأذرع التحكم الخارجية (ECA) لتطوير الأدوية التجريبية في المراحل السريرية المبكرة. يسلط الضوء على الصعوبات في الوصول إلى بيانات تجريبية كافية من العالم الحقيقي أو البيانات التاريخية بسبب اللوائح الصارمة التي تحمي حقوق المرضى، مما يعقد تجميع البيانات من مصادر متعددة. للتغلب على هذه القيود، يقترح المؤلفون طريقة…