初认联邦学习—背景和框架介绍

1 背景介绍

1.1 人工智能的遇到的困境

（1）数据孤岛问题。一个AI项目可能涉及多个领域，需要融合各个公司、各个部门的数据。（比如研究居民线上消费问题，需要各个消费平台的数据，可能还需要银行数据等等）但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。

（2）数据隐私问题。GDPR的出台，使得各方对数据所有权和隐私性的关注越来越多，对用户隐私和安全管理日趋严格，拿不到赖以生存的数据集。
GDPR：2018年欧洲联盟出台《通用数据保护条例》。旨在保护用户的个人隐私和数据安全。用户可以删除或撤回其个人数据 没有用户的允许，公司的不可以有其它用途。违反该法案的公司将面临高额罚款。

1.2数据隐私保护可解决方案

（1）要解决大数据的困境，仅仅靠传统的方法已经出现瓶颈。两个公司简单的交换数据，法规、GDPR都是不允许的；用户是原始数据的拥有者，在用户没有批准的情况下，公司间不能交换数据。

（2）如何在满足隐私监管要求的前提下，设计一个机器学习框架。让数据拥有方不暴露自己的数据，但能共同使用数据，。让人工智能系统能够更加高效、准确地共同使用各自的数据，解决数据孤岛的问题。因此，一个满足隐私保护和数据安全的一个可行的解决方案就诞生了 ，即 联邦学习。

2 联邦学习简介