想了解风头正劲的联邦学习这篇包含多

选自arXiv

作者：PeterKairouz等

机器之心编译

参与：魔王、杜伟

联邦学习（FederatedLearning，FL）指多个客户端在一个中央服务器下协作式地训练模型的机器学习设置，该设置同时保证训练数据去中心化。联邦学习使用局部数据收集和最小化的原则，能够降低使用传统中心化机器学习和数据科学方法带来的一些系统性隐私风险和成本。近期社区对联邦学习的研究出现爆发式增长，这篇论文探讨了联邦学习的近期进展，并展示了该领域所面临的开放性问题和挑战。本论文作者来自澳大利亚国立大学、CMU、康奈尔大学、谷歌、香港科技大学等机构。原论文篇幅较长，机器之心进行了摘要编译。论文链接：

转载请注明：http://www.shijichaoguyj.com/wxbz/5969.html