科研之友
微信
新浪微博
Facebook
分享链接
摘要
联邦学习(Federated Learning， FL)以多方数据参与为驱动，通过数据加密交互，实现数据自身价值的最大化，近年来受到各界研究学者的广泛关注与研究，逐步从基础理论研究走向实际应用，为企业进一步发挥数据价值提供了新技术。在阐述联邦学习定义及分类的基础上，首先对其隐私保护、通信效率、异构性、激励机制等相关技术的国内外研究进展展开较为全面的分析和总结；其次介绍了当前联邦学习已有的应用平台和框架，并提出了联邦学习在智能制造、医疗、教育等领域的应用框架；最后，结合联邦学习在一些关键的开放性问题上的不足，对其未来发展趋势和方向进行了总结与展望，旨在为联邦学习的理论研究及应用落地提供参考。
- 单位
