Êtes-vous préoccupé par la confidentialité des données ou les réglementations lors du déplacement de données pour votre machine learning (ML) ? Vos données sont-elles distribuées et vous empêchent-elles de travailler en collaboration pour obtenir des informations plus précises là où elles sont le plus nécessaires ? HPE Swarm Learning fournit un machine learning à l’edge, décentralisé préservant la confidentialité au niveau de la source de données. Le réseau blockchain offre la possibilité de partager en collaboration les apprentissages des modèles avec les nœuds HPE Swarm Learning participants pour obtenir des informations sur la source de données, renforçant considérablement la confidentialité des données et améliorant les informations. HPE Swarm Learning étend l’apprentissage fédéré et évite la nécessité d’un serveur central. Un cadre ML décentralisé et préservant la confidentialité utilise la puissance de calcul au niveau, ou à proximité, des sources de données distribuées pour exécuter les algorithmes ML qui forment les modèles. La formation du modèle s’effectue à l’edge là où les données sont les plus récentes, là où des décisions pertinentes et centrées sur les données sont nécessaires.
text.warning.msg.reseller
Avec HPE Swarm Learning, les données ne sont pas transférées vers un emplacement central ou d’un emplacement à l’autre : les données de la source de données restent à la source.
Les apprentissages sont partagés entre les nœuds participants, en préservant la confidentialité des données et en améliorant les informations extraites.
HPE Swarm Learning déverrouille le machine learning avec des fonctionnalités telles que la fusion d'états globaux, sans avoir besoin d’un nœud centralisé pour la formation.
Entraînement collaboratif de modèles au niveau des dispositifs à l’edge.
Les paramètres fusionnent à l’edge ou à la source des données.
L’architecture décentralisée augmente la fiabilité : il n’y a aucun point de défaillance.
HPE Swarm Learning préserve la bande passante du réseau, car les apprentissages se trouvent à la source de données.
Le fait de se trouver à proximité ou directement à la source des données permet des inférences rapides.
En cas de défaillance, HPE Swarm Learning permet aux nœuds restants de poursuivre le machine learning. Lorsque le nœud est de retour, il poursuit sa participation.
Il n’y a pas de transfert aller-retour des données, ce qui permet d’économiser la bande passante et la duplication des données.
Permet des inférences rapides à la source des données.
Linux est une marque déposée de Linus Torvalds aux États-Unis et dans d'autres pays. Red Hat est une marque déposée de Red Hat, Inc. aux États-Unis et dans d’autres pays. Toutes les marques tierces sont la propriété de leurs propriétaires respectifs.
* Les prix peuvent varier selon le revendeur local.
