聯邦學習（federated learning）能夠讓ai演算法借助位於不同站點的資料中獲得經驗。
該方法能夠讓多個組織協作開發模型，而且不需要彼此之間直接共享敏感的資料
在多次訓練迭代過程中，共享模型所覆蓋的資料範圍會比任何乙個組織內部擁有的資料都要大得多。
難點：
不僅僅是資料量的問題，資料集還需要極高的多樣化。但是考慮到私隱性，這些資料一般無法共享。
解決辦法：
聯邦學習摒棄了將資料集中到某個位置進行訓練的方法，取而代之的是將模型分散到各個不同的站點進行迭代訓練。
例如，當前有三家醫院決定合作建立乙個模型，用於自動分析腦腫瘤影象。
在整個專案進行的過程中，如果其中一家醫院決定離開訓練團隊，該模型訓練工作也不會因此而中斷，因為它不依賴任何具體資料。同理，另外一家新醫院也可以隨時加入該專案。
每個參與者都能憑藉本地資料獲取全域性知識——從而達到共贏的結果
聯邦學習 聯邦學習
文章內容主要來自文末網盤內部分資料 最近微眾舉辦了乙個面向高校大學生的ai比賽，題目如下 基於微眾提出的聯邦學習模型，設計一款有應用場景的產品。資料來源之間存在著難以打破的壁壘，一般情況下人工智慧的所需要的資料會涉及多 個領域，例如在基於人工智慧的產品推薦服務中，產品銷售方擁有產品的資料 使用者購買...
聯邦學習學習心得（1） 聯邦學習簡介
國際社會上對資訊保安 個人隱私的問題越來越重視，各種相關的法案相繼頒布，對私人資料的管理 監督 保護更加全面化 嚴格化 密集化。各個公司對各自的資料也越來越重視，作為資產不可能拿出來分享，這就造成了資料孤島的現象。同時與傳統的機器學習 machine learning 和深度學習 deep lear...
聯邦學習簡介
對聯邦學習做個簡單的記錄 聯邦學習定義 定義n個資料所有者，他們所有人都希望通過合併各自的資料來訓練機器學習模型。一種常規方法是將所有資料放在一起，並使用d d1 u d2 u dn來訓練模型msum。聯邦學習是一種學習過程，其中資料所有者共同訓練乙個模型mfed，在該過程中，任何資料所有者fi都不...