LIA-FL

LIA-FL es una plataforma que permite desplegar y orquestar flujos de aprendizaje federado en dispositivos IoT distribuidos. Cada nodo entrena en local y solo se intercambian los parámetros del modelo con el servidor de agregación (los datos nunca salen del dispositivo).

El problema

El aprendizaje federado suele entrenar un único modelo global compartido por todos los dispositivos. En entornos AIoT, donde los nodos pueden diferir mucho en comportamiento, ubicación o hardware, ese modelo único termina siendo mediocre para todos.

Qué hace

• Federación por grupos. En vez de un único modelo global, la plataforma entrena un modelo especializado por cada cluster de nodos contextualmente similares.
• Nodos federados y servidor de agregación. Los nodos entrenan en local con TensorFlow/Keras e intercambian solo los pesos del modelo con un agregador central vía MQTT (Mosquitto), nunca los datos en crudo.
• FedAvg ponderado. La agregación combina los pesos de los miembros de cada cluster, ponderados por el tamaño de su dataset local.
• Transferencia de pesos fiable. Los pesos del modelo viajan en fragmentos por MQTT con comprobaciones de integridad SHA-256.
• Persistencia local y trazabilidad. Cada nodo guarda su estado en almacenamiento local SQLite, con logging estructurado en JSONL y seguimiento opcional de experimentos con MLflow.
• Despliegue basado en contenedores. Cada componente (nodos, agregador, broker) se distribuye como contenedor Docker.

Validación

Validado en predicción de temperatura con 83 estaciones meteorológicas de la red AVAMET en Castelló, comparando estrategias centralizada, federada global y federada por clusters con redes GRU.

Publicaciones

Este trabajo está publicado en SoftwareX y se presentó en FLICS 2026:

• Ruiz-Fas, À., Goterris, J., Díaz-Rivero, A., Sáenz-Martínez, C., y Trilles, S. (2026). LIA-FL: A containerised federated learning platform for AIoT time-series forecasting. SoftwareX. doi.org/10.1016/j.softx.2026.103000
• Goterris, J., Díaz-Rivero, A., Ruiz-Fas, À., Sáenz-Martínez, C., y Trilles, S. (2026). A Preliminary CoI-Based Federated Learning Platform for Artificial Intelligence of Things. Proceedings of FLICS 2026, pp. 464–469. doi.org/10.1109/FLICS70075.2026.11621955

Estado

Proyecto de investigación desarrollado durante una beca de colaboración en investigación con el grupo GEOTEC de la Universitat Jaume I. Código publicado bajo licencia MIT.