Federated Learning per Applicazioni Edge Cloud su Piattaforma fog05

Federated learning è sicuramente una delle tecniche di machine learning di maggiore interesse attualmente. Esso trova applicazione nello scenario fog computing in cui risulta spesso necessario mantenere la riservatezza dei dati mantenuti nei nodi fog. La riservatezza dei dati è infatti una delle caratteristiche peculiari dei processi di federated learning. In tali scenari risulta particolarmente utile impiegare una piattaforma con supporto alla migrazione che potrà essere utilizzato per implementare determinati meccanismi come il bilanciamento di carico. Questo supporto potrà quindi essere impiegato per la migrazione di entità coinvolte tra nodi fog in un'architettura edge-cloud o per abilitare futuri scenari completamente decentralizzati. L'obiettivo della tesi è quindi la realizzazione di un'applicazione per federated learning con supporto alla migrazione per architetture edge-cloud. A tale scopo si è scelto di utilizzare fog05. Fog05 è una piattaforma per fog computing con supporto alla migrazione che presenta caratteristiche particolarmente innovative e interessanti rispetto alle soluzioni attualmente diffuse. Fog05 permette la gestione di sistemi estremamente eterogenei attraverso l’utilizzo di plugin che le consentono di interagire con tecnologie differenti come lxd,docker e kvm. In una prima fase abbiamo quindi realizzato l’applicazione descritta tramite fog05 mentre in una seconda fase abbiamo studiato e testato il supporto alla migrazione di fog05 rispetto alle tecnologie supportate.