Ingeniería de software aplicada al aprendizaje federado: estudio de bibliotecas y mecanismos de protección de datos

Gustavo Adolfo Hernández Rosado
Additional contact information
Gustavo Adolfo Hernández Rosado: Universidad Espíritu Santo. Guayaquil, Ecuador.

CognitivaTech: Ingeniería de Software Inteligente y Sistemas Adaptativos, 2025, vol. 2, issue 1, 30

Abstract: El federated learning (FL) se ha consolidado como una alternativa innovadora dentro del aprendizaje automático distribuido, permitiendo entrenar modelos sin necesidad de centralizar los datos, lo que favorece la privacidad y el cumplimiento de regulaciones de protección de información. Sin embargo, a pesar de sus ventajas, su adopción práctica sigue siendo limitada debido a desafíos técnicos, especialmente en lo relacionado con la seguridad, la privacidad y la complejidad de implementación en entornos reales. Este estudio analiza bibliotecas de FL desde una perspectiva de ingeniería de software, evaluando cómo implementan componentes esenciales como el entrenamiento local, la agregación de modelos, la comunicación entre clientes y servidores, y los mecanismos de protección de datos. Además, se examina el soporte para funcionalidades avanzadas como auditoría, detección de anomalías y verificación de privacidad. La metodología utilizada se basa en una revisión estructurada de la literatura y un análisis comparativo de diez bibliotecas seleccionadas por su relevancia en la comunidad académica y de desarrollo. Los resultados evidencian que, aunque todas las bibliotecas soportan las operaciones básicas del FL, existen diferencias significativas en su arquitectura, extensibilidad y nivel de madurez. Asimismo, se identifica una brecha importante en la integración de mecanismos avanzados de seguridad, los cuales suelen requerir extensiones adicionales. Se concluye que el principal reto del FL no es únicamente algorítmico, sino también de ingeniería de software, ya que se requiere equilibrar privacidad, utilidad del modelo y eficiencia computacional. Esto resalta la necesidad de desarrollar frameworks más robustos, flexibles y seguros para su adopción en aplicaciones reales.

Keywords: aprendizaje federado; privacidad de datos; sistemas distribuidos; ingeniería de software. (search for similar items in EconPapers)
Date: 2025
References: Add references at CitEc
Citations:

Downloads: (external link)
https://cognitivatech.org/index.php/cognitivatech/article/view/30 Abstract page (text/html)
https://cognitivatech.org/index.php/cognitivatech/article/download/30/42 Full text (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:cxn:cognit:v:2:y:2025:i:1:id:30

DOI: 10.63688/cognitivatech.v2.i1.30

Access Statistics for this article

More articles in CognitivaTech: Ingeniería de Software Inteligente y Sistemas Adaptativos from Facultad Técnica de la Universidad Técnica de Oruro
Bibliographic data for series maintained by Editorial JOGB ().