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。 AUcm414F+yJqhVCQAvdVYLd/OOfCpZg2p0Z6nxQDyMpFtQA9ibWFyw8R7hOTolLy