下载掌阅APP，畅读海量书库
立即打开
本章从人工智能的发展历程讲起。随着机器学习的演进与应用，其对于大数据的依赖程度也逐步加深。数据作为人工智能技术发展的“石油”，其在价值输送的同时，也引发了人们对于数据安全和隐私保护的担忧，如何在确保隐私安全的基础上实现数据价值的流通成为了新的挑战，而联邦学习也随之诞生。
联邦学习是一种新型的机器学习、深度学习模型训练范式，它将模型训练和数据存储保留在分布式网络的边缘，因其隐私保护的能力展示出其在诸多业务场景中的应用价值。随着联邦学习进一步地迭代演进和生态布局，拥有完备的科学体系、充分的理论支撑、安全的加密算法，以及可靠的服务质量评价，在联邦学习领域变得至关重要与迫切。