9.19. 联邦学习

联邦学习其核心就是一个分布式的机器学习。通过传参数，不上传数据的方式做分布式的机器学习，相较于传统分布式机器学习，其实现了数据隐私保护。通过整合各个节点上的参数, 不同的设备可以在保持设备中大部分数据的同时，实现模型训练更新。当前市场上已经出现了一些联邦学习框架，但能真正用于实际生产的屈指可数。正是因为联邦学习涉及的技术领域之多，并且需要能够兼顾系统性能、使用资源等重要指标，所以在实际落地过程中对技术人员专业素质要求很高。1

联邦学习是一种为了解决数据孤岛问题而提出的机器学习算法，目标是实现私有数据、共享模型。例如现在有三个参与方，每个参与方拥有一个私有集群和数据，这些参与方想共同训练一个模型，联邦学习就可以解决该问题。2

TODO: