视频：链接 介绍 联邦学习是一种不需要收集各数据拥有方所有的数据，便能协作地训练一个模型的机器学习过程 旨在建立一个基于分散数据集的联邦机器学习模型。在模型训练过程中，隐私数据不离开本地，各方仅交换模型相关的信息或加密的数据，已训练好的联邦学习模型可以置于联邦学习系统的各参与方，也可以在多方 ...

联邦学习（Federated Learning） from： https://blog.csdn.net/cao812755156/article/details/89598410 联邦学习 ...

...

1 导引 现在多任务学习根据数据的收集方式可以粗略地被分为两种，一个是集中化的计算方法，即假定数据被事先收集到一个中心节点上然后再运行模型， 大多数基于神经网络的多任务学习应用，比如CV和NLP，主要都用的这种方法[1][2][3][4]。 另外还有一种是分布式的计算方法，这种方法假定异构 ...

　　早在21世纪初期，在自动化领域就在面临一个问题就是“信息孤岛”，也就是在过程控制过程中，不同的控制环节采用了不同的自动控制系统并且采用和设计了自己专有的控制网络技术,这导致难以实现不同厂家控制设备 ...

联邦学习框架——TFF 1、conda create -n tensorflowenv python=3.6 2、conda env ...

联邦学习框架——FATE 　　FATE(Federated AI Technology Enabler)框架是首个工业级联邦学习框架，由微众银行人工智能部门发起的一个开源项目，旨在提供一个安全的计算框架，以支持联邦人工智能生态系统，目前FATE框架基于同态加密和安全多方计算的安全计算协议。目前 ...

前言：写本篇是为了记录一下之前阅读过的一些关于联邦学习的文章（主要是两篇联邦学习综述），然后对其中的一些关键点进行了总结，并加入了个人对于联邦学习这一研究领域的理解以及思考（侵删）。 可供参考链接：https://www.cnblogs.com/lucifer1997/p ...