初识联邦学习

联邦学习用处：解决数据孤岛。英文：Federated machine learning/Federated Learning。

联邦学习可以有效解决数据孤岛问题，让参与方在不共享数据的基础上联合建模。

本质：联邦学习本质上是一种分布式机器学习技术，或机器学习框架。

目标：联邦学习的目标是在保证数据隐私安全及合法合规的基础上，实现共同建模，提升AI模型的效果。

前身：联邦学习最早在 2016 年由谷歌提出，原本用于解决安卓手机终端用户在本地更新模型的问题；

参考：

详解联邦学习Federated Learning - 知乎

有空详细阅读下！