联邦学习：保护隐私安全以及克服数据孤岛的机器学习

题图摄于北京北三环

（本文作者系 VMware 中国研发云原生实验室架构师，联邦学习 KubeFATE / FATE 开源项目维护者和贡献者。）

相关信息：招聘云原生工程师

需要加入KubeFATE开源项目讨论群的同学，请关注本公众号后回复 “kubefate” 即可。

联邦学习

人工智能的成功在很大程度上取决于用于训练有效预测模型数据的数量和质量。在企业内部，数据通常作为孤立的数据孤岛被储存在服务器中。同时，商业竞争或隐私保护法律的限制，企业之间不能直接共享数据。

基于这些原因，许多企业或部门的数据样本会很有限或者数据质量较差，因此阻碍了训练有价值的机器学习模型。联邦学习是最有前途的机器学习技术之一，可帮助克服数据孤岛，加强数据隐私和安全的同时仍遵守例如GDPR等法律法规。