联邦学习 第零章 初识

为什么需要联邦学习?

优质的数据需要被训练模型来产生价值

然而 , 除了大厂之外 , 没有企业可以拥有足够量的优质数据来进行模型训练

因此 , 需要将不同企业的数据联合起来进行训练

然而 , 如果直接将各个企业数据融合到某个数据中心 , 显然容易产生隐私的泄露

联邦学习就是用来处理这些问题的

联邦学习是什么?

联邦学习是一种分布式的机器学习 , 它包括模型训练和模型推理两部分

模型训练时 , 中心服务器将初始模型分发给各个客户端 , 客户端用自己的数据对模型进行训练 , 再将模型返回给中心服务器

中心服务器经过整合各方模型后获得较为完善的模型 , 由于是客户端自行用自己的数据训练模型 , 被返回的只是模型 , 从而能保证用户数据不被泄露

模型推理时 , 由各个客户端共同训练的模型可以被各方分享使用

类比:羊吃草

模型是羊 , 数据是草

传统的训练模型方式为把草聚集起来 , 来让羊吃 ; 而联邦学习是把羊牵到不同的地方去吃草