联邦学习是多个参与方在保证各自原始私有数据不超出可信域的前提下,以保护隐私的方式交换中间计算结果、协作完成机器学习任务的模式,核心能力包括模型参数或梯度的聚合更新与去标识化中间结果交换。它解决的是数据不能出域时联合建模的难题,并不解决各方数据质量差异与模型效果保证问题。
联邦学习是什么?
联邦学习, 是指一种多个参与方在保证各自原始私有数据不出数据方定义的可信域的前提下,以保护隐私数据的方式交换中间计算结果,从而协作完成某项机器学习任务的模式。
🔗 本文链接