联邦学习：机遇与挑战
机器学习
2021-01-15 v1 分布式、并行与集群计算
摘要
联邦学习（Federated Learning, FL）是谷歌于 2016 年首次提出的概念，其中多个设备在中央服务器协调下协作学习机器学习模型而不共享其私有数据。这在医疗、金融等关键领域提供了充足机遇，因在这些领域将私有用户信息共享给其他组织或设备存在风险。尽管 FL 看似是一种保持本地数据隐私的有前景的机器学习（Machine Learning, ML）技术，它也像其他 ML 模型一样易受攻击。鉴于 FL 领域日益增长的关注，本报告讨论了联邦学习中的机遇与挑战。
引用
@article{arxiv.2101.05428,
title = {Federated Learning: Opportunities and Challenges},
author = {Priyanka Mary Mammen},
journal= {arXiv preprint arXiv:2101.05428},
year = {2021}
}