geweicsdn的博客

在现实中想要将分散在各地、各个机构的数据进行整合几乎是不可能的,或者说所需的成本是巨大的。联邦学习的过程分为自治和联合两部分，其中自治部分是指参与方各自建立模型，联合部分是指将各自建立的模型进行整合，在云端进行参数的聚合与更新，并将更新好的参数返回到参与方的终端，各个终端开始下一次的迭代.。联邦学习是一种新兴的人工智能基础技术，在2016年提出，其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或多计算结点之间开展高效率的机器学习。

论文讲解代码。