JDDTechTalk的博客

前言联邦学习（Federated Learning）作为人工智能的一个新分支，为机器学习的新时代打开了大门。如果投票问人工智能和大数据应用领域有什么好玩又好用的新技术，“联邦学习”一定是排在前列的。这项技术由谷歌在2016年首次提出，从2018年8月开始在国内快速发展和普及，截至2020年2月，有公开资料可查的联邦学习研究或应用单位已超过百家，阿里、微众、京东、腾讯、华为、平安等各领域的头部企业均在大力推进。身边做技术和业务的朋友都在说：忽如一夜春风来，联邦学习突然就在圈子里传播了，在聊天中不发表点联邦

近年来，联邦学习(Federated Learning)井喷式的概念性文章层出不穷，当联邦学习的理念已经逐渐被行业认可到加以重视，从理论走向实践便是一条需要快马加鞭之路。联邦学习其核心就是一个分布式的机器学习。通过传参数，不上传数据的方式做分布式的机器学习，相较于传统分布式机器学习，其实现了数据隐私保护。通过整合各个节点上的参数, 不同的设备可以在保持设备中大部分数据的同时，实现模型训练更新。当前市场上已经出现了一些联邦学习框架，但能真正用于实际生产的屈指可数。正是因为联邦学习涉及的技术领域之多，并且需要