視頻：鏈接
介紹
聯邦學習是一種不需要收集各數據擁有方所有的數據，便能協作地訓練一個模型的機器學習過程
旨在建立一個基於分散數據集的聯邦機器學習模型。在模型訓練過程中，隱私數據不離開本地，各方僅交換模型相關的信息或加密的數據，已訓練好的聯邦學習模型可以置於聯邦學習系統的各參與方，也可以在多方之間共享。
聯邦學習結合安全多方計算、同態加密、差分隱私等多種隱私計算技術，在保護數據安全的同時實現數據價值的共享。
目前，聯邦學習已經應用在計算機視覺、自然語言處理（NLP）、推薦系統等領域，在金融、醫療、教育等領域均得到了廣泛的應用。
工作流程
存在的問題
在聯邦學習參數傳遞過程中，為了支持參數可以在密鑰下進行無損的計算，需要使用同態加密，這就會帶來計算量和傳輸量的劇增
解決方法
1、優化算法
2、異構系統
（1）將復雜運算轉移至硬件設備執行
（2）硬件計算資源豐富
（3）支持高並發的計算
GPU
參考：鏈接
FPGA
是一種主流的可編程邏輯器件
開發者使用硬件描述語言構建硬件電路，通過編譯器，將電路設計布局在FPGA芯片上，最終通過文件燒寫，修改FPGA芯片內部電路
在通信、數字信號處理、視頻圖像處理、IC驗證等領域，有着廣泛的應用
目前主流的FPGA供應商為XiLinx和Intel
難點
模密和模乘運算量最大
模密
平方乘：將模運算轉成乘法運算
模乘
通過蒙哥馬利域將取模運算轉換成移位運算
該方法的難點：
