Datenschutzfreundliches F\u00f6deriertes Lernen geh\u00f6rt vor allem in die Bereiche K\u00fcnstliche Intelligenz, Big Data und Smart Data sowie Cyberkriminalit\u00e4t und Cybersecurity. Hierbei handelt es sich um eine moderne Methode, mit der K\u00fcnstliche Intelligenz (KI) aus vielen verschiedenen Daten lernen kann, ohne dass diese Daten an einem zentralen Ort gesammelt werden m\u00fcssen.<\/p>\n
Statt wie fr\u00fcher alle Daten etwa in einer gro\u00dfen Datenbank zu speichern, bleibt beim datenschutzfreundlichen f\u00f6derierten Lernen die Information dort, wo sie entsteht \u2013 zum Beispiel auf den Smartphones der Nutzer oder in einzelnen Unternehmen. Die KI lernt durch den Austausch sicherer Zwischenergebnisse, sogenannte Updates, aus diesen verschiedenen Quellen. So landen sensible Daten wie pers\u00f6nliche Fotos oder Gesundheitsdaten gar nicht erst auf fremden Servern und bleiben besser gesch\u00fctzt.<\/p>\n
Ein anschauliches Beispiel: Viele Nutzer eines Fitness-Trackers wollen ihre Daten zur Verbesserung der Trainings-Apps beisteuern, aber ihre Privatsph\u00e4re wahren. Beim datenschutzfreundlichen f\u00f6derierten Lernen lernt die KI von den gesammelten Erfahrungswerten auf jedem einzelnen Tracker, aber die eigentlichen Daten verlassen das Ger\u00e4t nie. So profitieren am Ende alle von besseren Vorschl\u00e4gen und Tipps, ohne dass pers\u00f6nliche Informationen preisgegeben werden.<\/p>\n","protected":false},"excerpt":{"rendered":"