OmniFed：エッジからHPCまで対応可能な構成可能な連合学習のためのモジュール型フレームワーク
なぜ重要か: 企業や社会への影響が見込まれ、一般メディアにも波及する可能性があります。
arXiv:2509.19396v1発表タイプ: クロス
概要：フェデレーテッドラーニング（FL）は、データが集中化されておらず、プライバシーが重要なエッジおよびハイパフォーマンスコンピューティング（HPC）において極めて重要である。本稿では、設定、オーケストレーション、通信、およびトレーニングロジックの分離と明確な役割分担を設計理念としたモジュール型フレームワーク、OmniFed を提案する。そのアーキテクチャは、設定駆動型のプロトタイピングと、必要な部分のコードレベルでのオーバーライドを可能にするカスタマイズ性をサポートする。また、異なるトポロジ、単一展開内での混合通信プロトコル、および一般的なトレーニングアルゴリズムにも対応する。さらに、差分プライバシー（DP）、準同型暗号（HE）、セキュア集約（SA）といったオプションのプライバシー機構と、圧縮戦略も提供する。これらの機能は、明確に定義された拡張ポイントを通じて公開されており、ユーザーはトポロジとオーケストレーション、学習ロジック、プライバシー/圧縮プラグインをカスタマイズしながら、コアシステムの整合性を維持できる。複数のモデルとアルゴリズムを評価し、様々なパフォーマンス指標を測定する。トポロジ設定、混合プロトコル通信、およびプラグイン可能なモジュールを単一のスタックに統合することにより、OmniFed は異種環境全体でのFL展開を効率化する。GitHubリポジトリはhttps://github.com/at-aaims/OmniFedにて公開されている。
原文（英語）を表示
Title (EN): OmniFed: A Modular Framework for Configurable Federated Learning from Edge to HPC
arXiv:2509.19396v1 Announce Type: cross
Abstract: Federated Learning (FL) is critical for edge and High Performance Computing (HPC) where data is not centralized and privacy is crucial. We present OmniFed, a modular framework designed around decoupling and clear separation of concerns for configuration, orchestration, communication, and training logic. Its architecture supports configuration-driven prototyping and code-level override-what-you-need customization. We also support different topologies, mixed communication protocols within a single deployment, and popular training algorithms. It also offers optional privacy mechanisms including Differential Privacy (DP), Homomorphic Encryption (HE), and Secure Aggregation (SA), as well as compression strategies. These capabilities are exposed through well-defined extension points, allowing users to customize topology and orchestration, learning logic, and privacy/compression plugins, all while preserving the integrity of the core system. We evaluate multiple models and algorithms to measure various performance metrics. By unifying topology configuration, mixed-protocol communication, and pluggable modules in one stack, OmniFed streamlines FL deployment across heterogeneous environments. Github repository is available at https://github.com/at-aaims/OmniFed.
Published: 2025-09-24 19:00 UTC