如何在合法、合规和保证隐私安全的前提下打破数据壁垒、实现数据连通,是目前人工智能创新发展面临的挑战之一。为此,联邦学习应运而生,它能够使得各参与方无须共享数据资源,即在数据不出本地的情况下进行联合,建立共享模型,有效解决数据隐私安全和数据孤岛问题,加速大数据时代下人工智能技术在各行各业的应用落地,拓宽人工智能产业生态圈。本章从联邦学习的基本概念出发,概述联邦学习的发展历程,介绍联邦学习的基本类别和流程,以及联邦学习的应用场景。 UL53zp1Yxhz4zbUpWvqctn1/ycbOeL0UJ4AUZvLn7bkLmsjyPhdppYXNwdbxyMKn