联邦学习框架实现难点剖析

• 作者: 顾龙浩 龚永罡 付静 廉小亲
• 来源期刊: 信息技术与信息化
• 关键词: 联邦学习 数据融合 分布式机器学习
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 计算机应用
• 页码范围: 105-107
• 页数: 3页
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9528.2021.02.036

摘要

当前已经从IT时代进入到DT时代,机器学习发展到现阶段,能否获得量大质高的数据已成为制约其发展的重要因素.在这样的背景下,数据共享、数据融合的需求日渐强烈,由于传统的机器学习需要将数据集中,往往会因为数据孤岛问题以及数据隐私保护的要求,导致企业间、甚至是企业各部门之前无法进行数据共享.为解决这一难题,联邦学习的概念应运而生,本文通过对比联邦学习与传统分布式学习的区别来使读者更清楚联邦学习的概念,并剖析了目前联邦学习框架实现的难点.