作者简介

耿佳辉博士，欧盟玛丽居里项目研究员，研究的重点包括隐私保护计算、区块链、自然语言处理等。多篇文章在国际会议发表，在中国、德国、挪威的知名企业都有丰富的工作经验。

牟永利博士，致力于联邦学习、数据隐私和区块链应用等领域的研究，并参与多个德国的医疗数据基建项目，如MMI和NFDI4Health，拥有丰富的数据科学和人工智能研究背景。有多篇医学信息学、联邦学习、区块链技术国际论文发表经验。

李青博士，挪威斯塔万格大学。致力于机器学习鲁棒性、可解释性，机器学习中的常微分或偏微分方程的数值计算等研究。

容淳铭挪威工程院院士、挪威斯塔万格大学计算机系终身教授、服务式计算研究创新中心主任。曾任IEEE国际云计算学术会议系列指导委员会主席，IEEE区块链专家委员会主席、（国际）云安全联盟（CSA——挪威分部副总理事长，中国科学院海外评审专家。

本书系统介绍了联邦学习的全貌，内容丰富，兼顾算法理论与实践。算法部分包含横向联邦、纵向联邦等不同的数据建模方式，重点讨论了联邦学习由于数据异质性和设备异质性带来的算法稳定性、隐私性挑战及其解决策略，这对每一个联邦学习框架设计者来说都是至关重要但却容易忽略的部分；实践部分介绍了当前主流的联邦学习框架，并进行对比，然后给出相同算法的不同实现供读者比较。本书重点介绍了联邦学习计算机视觉及推荐系统等方面的应用，方便算法工程师拓展当前的算法框架，对金融、医疗、边缘计算、区块链等应用也做了详尽阐述，相信对于研究隐私保护机器学习的计算机相关专业学生和联邦学习领域的开发者、创业者都有很好的借鉴作用。详细的代码以及对现有框架和开源项目的介绍是本书的一大特色。本书为读者提供了全部案例源代码下载和高清学习视频，读者可以直接扫描二维码观看。