SEC-Learn – Sensor Edge Cloud für verteiltes Lernen

Im Fraunhofer-weiten Projekt SEC-Learn (Sensor Edge Cloud für verteiltes Lernen) soll maßgeblich eruiert werden, welche Entwicklungen notwendig sind, damit das Training von neuronalen Netzen direkt am Sensor vorgenommen werden kann, aber gleichzeitig alle anderen Sensorknoten von dem Erlernten profitieren – sogenanntes verteiltes Lernen (Federated Learning). Bei lokaler Datenverarbeitung können Datenschutzanforderungen besser gewährleistet werden, was auch eine höhere Akzeptanz beim Anwender hervorrufen soll. Durch den Einsatz von Privacy Enhancing Technologies soll eine sichere Datenübertragung geschaffen werden.

Der Energieverbrauch, welcher für die fortlaufende Analyse der Daten mit KI aufgebracht wird, soll durch Spiked Neural Networks reduziert werden. Diese werden Hardware-nah und energieeffizient ausgeführt. Hierfür müssen Methoden gefunden werden, welche die durch das verteilte Lernen entstandenen Modelle konvertieren und für die Zielhardware kompatibel machen.

Aufgabenbereich Fraunhofer IDMT

  • Entwicklung von Methoden des Federated Learning (verteiltes Lernen)
  • Entwicklung von Spiked Neural Networks zur Hardware-nahen, energieeffizienten Analyse akustischer Daten
  • Weiterentwicklung von Methoden zur performanten akustischen Ereigniserkennung

Partner

Fraunhofer-Institute EMFT, ISAIS, IESE, IGD, IIS, IKS, IMS, IPMS, ISIT und ITWM 

Förderer

Fraunhofer-internes Förderprogramm

Laufzeit

Juli 2020 – Dezember 2020