【无标题】

联邦学习

第一天学习

---

提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

关于我开始记录学习这件事

一、什么是联邦学习

联邦学习是一种带有隐私保护、安全加密技术的分布式机器学习框架，旨在让分散的各参与方在满足不向其他参与者披露隐私数据的前提下，协作进行机器学习的模型训练。
经典联邦学习框架的训练过程可以简单概括为以下步骤：
1）协调方建立基本模型，并将模型的基本结构与参数告知各参与方；
2）各参与方利用本地数据进行模型训练，并将结果返回给协调方；
3）协调方汇总各参与方的模型，构建更精准的全局模型，以整体提升模型性能和效果。

联邦学习框架包含多方面的技术，比如传统机器学习的模型训练技术、协调方参数整合的算法技术、协调方与参与方高效传输的通信技术、隐私保护的加密技术等。此外，在联邦学习框架中还存在激励机制，数据持有方均可参与，收益具有普遍性。
https://posts.careerengine.us/p/609f7b833ce2ff21242c11ed
链接: 什么是联邦学习
联邦学习只是隐私计算的一种方法，主要在于参数聚合和神经网络的训练。
关注联邦学习本身
数据异构性的问题：数据在不同的机构的分布特点，训练，对应的联邦算法，性能等是我们关注的核心