本人是學生黨，同時也是小菜雞一枚，撞運氣有機會能夠給老師當項目助理，在這個過程中肯定會學到一些有趣的知識，就在此平台上記錄一下，在知識點方面有不對的還請各位指正。
What（什麼是聯邦學習？）
聯邦學習（Federated Learning）是一種新興的人工智能基礎技術，在 2016 年由谷歌最先提出，原本用于解決安卓手機終端使用者在本地更新模型的問題，其設計目标是在保障大資料交換時的資訊安全、保護終端資料和個人資料隐私、保證合法合規的前提下，在多參與方或多計算結點之間開展高效率的機器學習。其中，聯邦學習可使用的機器學習算法不局限于神經網絡，還包括随機森林等重要算法。聯邦學習有望成為下一代人工智能協同算法和協作網絡的基礎。
舉個例子，？假設有兩家公司 A 和 B 有不同的資料。例如，公司 A 擁有用
戶個人資料資料; B 公司有産品特征資料和标簽資料。但是兩家公司不能粗暴地結合雙方的資料，因為原始的資料提供者，他們的各自的使用者，不同意這樣做。現在的問題是如何為 A 和 B 建立更高品質
的模型。但是，因為資料不完整（例如，A 缺少标簽資料，B 缺乏特征資料），
或者資料不足（資料量不足）建立一個好的模型），可能無法建立每一端的模型
或結果可能不令人滿意。
，聯邦學習的目的是解決這個問題：它旨在建構跨組織的模型，同時每個組織的個人資料保持在其本地環境中，并且模型參數在聯合系統中的加密機制下交換。也就是說，建構虛拟共享模型而不違反資料隐私法規。此虛拟模型與通過将所有資料放在一起建構的模型具有相同的性能。但是在建構虛拟模型時，資料本身不會移動，也不會洩露隐私或影響資料規範。通過這種方式，建構的模型僅在其各自的區域中服務于本地任務。在這種聯邦機制下，每個參與者的身份和地位是相同的，聯邦制度幫助每個人建立“共同财富”戰略，這就是為什麼這個系統被稱為“聯邦學習”。
定義：
多個資料所有者