下载掌阅APP，畅读海量书库
立即打开
谷歌（Google）母公司Alphabet首席执行官桑达尔·皮查伊（Sundar Pichai）在接受某次采访时曾说：“人工智能是人类正在从事的最具深远意义的事情之一，它比火或电更加意义深远。”人工智能的影响之深远，甚至超越人们的想象力。不过，现阶段的人工智能更多依赖于大量可用的标记数据，由大数据驱动发展。
随着我国对数据安全的立法保护与市场监管趋严，以及人们对个人隐私安全的重视程度不断提高，数据隐私保护已经成为世界性的趋势，同时大多数行业出于监管和竞争力的考虑，对数据共享慎之又慎，导致了严重的数据孤岛问题。
联邦学习作为一项新兴的隐私计算技术，为“人工智能的最后一公里”打开了大门，一经问世便迅速成为学术界、工业界的宠儿，受到诸多行业的重视和应用，可以说是时下最火热的数据安全类技术之一。
如果说大数据是人工智能应用发展的基石、原油，那么联邦学习就是推动其发展的动力源泉。要实现不同机构间的数据共享，不仅需要多方提供优质的数据源来开展公平合作，还需要确保数据安全可用，有效防止隐私泄露。当然，对数据贡献者的激励也是联邦学习生态的考虑范畴。
联邦学习为我们提供了一种新思路，通过技术手段保证各方的数据无须对外输出即可实现价值传递，它将是连接机构间多向合作的纽带。
目前，业内关于联邦学习的图书较少，而本书的问世为读者开启了一个全新、透彻的“联邦学习世界”。本书涉及原理与算法的底层知识，涵盖对行业与前沿的深入洞察，围绕联邦学习内容展开了全面而详实的介绍，鞭辟入里，非常值得一读。
王健宗博士是最早研究联邦学习的行业专家之一，也是“联邦智能”的首倡者。他和他的团队一直从事联邦智能隐私计算的技术研发和平台搭建工作。本书的许多思考也来源于他与他的团队丰富的技术与行业经验，因此本书也是读者朋友们深入学习联邦学习技术的不二之选。
向小佳
光大科技有限公司副总经理
（曾任中国科学院计算技术研究所副研究员）