Selección de características federada basada en información mutua

Abstract

[Resumen]: El crecimiento constante de los dispositivos del Internet de las cosas (IoT) ha llevado a problemas de escalabilidad, privacidad y seguridad. La enorme cantidad de datos generados por estos dispositivos plantea desafíos en términos de manejo y protección de información sensible. La técnica de aprendizaje federado surge como una solución, permitiendo entrenar modelos de inteligencia artificial en los propios dispositivos sin necesidad de transferir los datos, preservando así la privacidad. En este proyecto se desarrollará y aplicará un enfoque de aprendizaje federado, utilizando la medida de Información Mutua (IM) como base para un método de selección de características, la cual es un paso de preprocesado importante para reducir la alta dimensionalidad de los datos.

[Abstract]: The constant growth of Internet of Things (IoT) devices has led to scalability, privacy, and security issues. The enormous amount of data generated by these devices poses challenges in terms of handling and protecting sensitive information. The federated learning technique emerges as a solution, allowing artificial intelligence models to be trained on the devices themselves without the need to transfer the data, thus preserving privacy. In this project, a federated learning approach will be developed and applied, using the Mutual Information (MI) measure as the basis for a feature selection method, which is an important preprocessing step to reduce high-dimensionality of data.