联邦学习如何训练用户识别模型？

“用户识别模型”也就是训练一个通过语音，或人脸，或指纹等个人信息进行身份识别的模型，也是一个选择“接受”或”拒绝”的二元决策问题。以基于embedding的分类为例，一个样本只有其embedding与reference embedding足够接近，才能通过模型验证（被模型接受），换句话说就是“身份验证成功”。

联邦学习训练“用户识别模型”存在两个挑战：

1. 每个参与方只有一个用户的信息作为训练数据，也就是说所有数据都属于同一个类标签(用户自身)
2. 采用embeddind vector表征用户身份信息，由于涉及用户隐私，每个参与方的embeddind vector都不能与他人进行共享。

损失函数的一般定义：

$w_y\in R^{n_d}$是类y的embedding，$g_{\theta }:X\to R^{n_d}$是一个将输入x由X维空间映射至$n_d$维的embedding的网络，该embedding用$g_{\theta <}$