人工智能100问☞第40问：什么是联邦学习？

目录

一、通俗解释

二、专业解析

三、权威参考

---

联邦学习是一种分布式机器学习技术，允许多个参与方在本地数据不离开原始位置的前提下，通过加密交换模型参数（如梯度、权重）协作训练全局模型，打破“数据孤岛”并满足隐私合规要求​​。

一、通俗解释

想象几位医生想共同研究一种疾病，但每家医院的病历​​不能离开本院​​（因隐私法规）。联邦学习就像让医生们这样做：

​​各自在家研究​​：每家医院用自家病历训练一个本地模型；

​​只交换笔记​​：把研究心得（模型参数）加密后传给中央服务器；

​​整合成指南​​：服务器汇总所有笔记，生成一份更全面的“诊疗指南”（全局模型）发回各家医院。

​​简单说​​：数据像“不出门的宅男”，模型像“跑腿的信使”——既保护隐私，又联合智慧。

二、专业解析

联邦学习是一种​​分布式机器学习框架​​，允许多个参与方（设备/机构）在本地数据不离开原始位置的前提下，通过加密交换模型参数（如梯度、权重），协作训练全局模型，解决数据孤岛与隐私合规问题。

1、核心技术原理​

流程​​	​​关键操作​​	​​技术实现​​
​​本地训练​​	参与方用本地数据更新模型参数 wi​