Naukowcy zaproponowali nowe podejście do federated learning dedykowane systemom detekcji pożarów w pomieszczeniach, które działają na kamerach brzegowych zbierających wrażliwe materiały wideo. Tradycyjne rozwiązania nie mogą być łatwo przesyłane do centralnego serwera ze względu na prywatność i bezpieczeństwo danych.
Głownym innowacją jest kombinacja trzech rozwiązań: agregacji uwzględniającej historię z koordynatorem rotacyjnym, który zapobiega pojedynczemu punktowi awarii. W praktyce oznacza to, że żaden serwer nie ma stałej roli koordynatora - funkcja ta rotuje między węzłami, co uniemożliwia atakującemu skupić się na kompromitacji jednego celu. Metoda skutecznie eliminuje ukryte ataki Byzantine, które tradycyjne filtry per-round mogą przegapić. Dodatkowo zespół zmniejszył rozmiar aktualizacji modelu aż dziesięciokrotnie przy zachowaniu praktycznie tej samej dokładności wykrywania, co jest kluczowe dla urządzeń z ograniczoną przepustowością.
Badania obejmowały praktyczną walidację - zestawienie sześciu węzłów w rozproszonego środowisku chmurowego potwierdziło wykonalność metody. Metoda rotacyjnego koordynatora osiąga dokładność i szybkość detekcji porównywalną z tradycyjnym podejściem ze stałym serwerem, ale bez jego słabych punktów bezpieczeństwa. Dla systemów monitorowania pożarów w budynkach stanowi to znaczący krok naprzód w łączeniu praktycznych wymagań infrastruktury z zabezpieczeniami przed atakami.