联邦学习基本概念

• 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，能够让各参与方在不像其他参与者披露隐私数据的前提下协作进行机器学习模型训练。

  要注意联邦学习本身并不是监督学习或非监督学习，它是更高层次的分布式协作框架，使得各个参与者能够将数据本地化的同时进行协作训练，而训练的具体任务所使用的模型和算法取决于训练者，可以是监督或者非监督中的各类模型和算法。

• 联邦学习非常使用运用在一些需要隐私保护的场景，例如Google最早将联邦学习运用在Google键盘上，利用用户本地的数据训练模型，再将训练过程中的模型参数聚合与分发，最终实现精准预测用户下一输入。