جستجو
Federated Learning for Data-Driven Business Ecosystems: A Systematic Review of Scalable Distributed AI Architectures
Iman Zamani1 Ahmad Sharif2 Zahra Alijani Ahmadabadi3
Abstract :
This review synthesizes research on scalable federated learning architectures for data-driven business ecosystems to address challenges in scalability, governance, interoperability, security, and performance. The review aimed to taxonomize scalable architectures, evaluate governance and incentive mechanisms, benchmark interoperability solutions, identify privacy-preserving techniques, and synthesize performance trade-offs. A comprehensive literature selection spanning diverse domains and methodologies was analyzed using a structured framework focusing on architectural patterns, governance models, cross-domain collaboration, security, and efficiency. Findings reveal that hierarchical, decentralized, and blockchain-enabled architectures enhance scalability but often remain experimental with limited deployment in heterogeneous ecosystems. Governance frameworks incorporating reputation systems and automated incentives foster trust yet face challenges in strategic behavior and regulatory complexity. Interoperability advances enable multi-organizational collaboration, though data heterogeneity and legal constraints persist as barriers. Privacy-preserving methods, including differential privacy and secure aggregation, improve robustness but introduce computational overhead and accuracy trade-offs. Synthesizing these findings highlights the need for standardized benchmarks, mature governance models, and scalable architectures balancing efficiency, privacy, and compliance. These insights inform theoretical development and practical implementation of federated learning frameworks, guiding future research toward production-ready, interoperable, and secure solutions for complex business ecosystems.
Keywords : federated learning data driven business ecosystems scalability governance blockchain privacy interoperability
زبان مقاله : انگلیسی
محور مقاله : مدیریت فناوری و نوآوری
محل انتشار : کنفرانس ملی مدیریت، تجاری سازی، اقتصاد دانش بنیان و سرمایه گذاری برای تولید
آدرس وب سایت کنفرانس : impeb.ir
کد IOI مقاله : AAHC-ABCKKC
لینک مستقیم مقاله : https://isnac.ir/AAHC-ABCKKC
نمایش چکیده فارسی
: https://isnac.ir/SA/AAHC-ABCKKC
سایر مقالات محل انتشار
- قراردادهای انتقال داده و مالکیت داده در شرکتهای دانشبنیان- تحلیل حقوق خصوصی تطبیقی میان حقوق ایران و اتحادیه اروپا
- بررسي تاثير هوش هيجاني مديران با انگيزش كاركنان، وفاداري سازماني و كاهش ترك شغل (مطالعهموردي: شركت مهندسين مشاور تهران بوستن)
- تقویت مزیت رقابتی پایدار سبز از طریق یادگیری سازمانی و بازاریابی سبز
- دیجیتالسازی زنجیره ارزش صادرات با رویکرد اقتصاد سبز: گذر از بازاریابی سنتی به دیپلماسی تجاری هوشمند
- تحلیل تأثیر استراتژیهای بازاریابی چندفرهنگی بر رشد سهم بازار شرکتهای چندملیتی در بستر تجارت بینالملل
- سنجش متغیر های موثر بر هوش مصنوعی در شرکت های تجاری و بازرگانی
- تاثیر نوآوری و خلاقیت استراتژیک در کسب و کارهای نوظهور
- نقش فناوری های دیجیتال و هوش مصنوعی در بهبود فرایند کنترل استراتژیک و تحلیل داده های مدیریتی
- ارتقای شفافیت و اعتماد عمومی به مثابه پیشران توسعه پایدار: مطالعه راهبردی بنیاد شهید و امور ایثارگران
- مسئولیت کیفری ناشی از استفاده غیرمجاز از هوش مصنوعی مولد
- نقش روابط عمومی مبتنی بر افکارسنجی در ارتقای مدیریت آموزش سازمانی
- بررسی و تحلیل مدلهای کسبوکار در صنعت هنر و فرهنگ
- یکپارچهسازی اینترنت اشیاء و هوش مصنوعی مولد برای مدیریت منابع انسانی هوشمند در حوزه سلامت: آیندهپژوهی در کلینیکهای دندانپزشکی دیجیتال
- شناسایی و اولویتبندی عوامل تأخیر در ترخیص کالاهای فاسدشدنی در گمرک با استفاده از روش AHP و راهکارهای بهبود آنها (مطالعه موردی گمرک میرجاوه)
- بررسی دیدگاه معلمان درباره موانع اجرای برنامه درسی تمامساحتی