联邦学习是:
各方数据都保留在本地,不泄露隐私也不违反法规;
多个参与者联合数据建立虚拟的共有模型,并且共同获益的体系;
在联邦学习的体系下,各个参与者的身份与地位平等;
联邦学习的建模效果将和整个数据集放在一处建模的效果相同,或相差不多(在各个数据的用户对齐或特征对齐的条件下);
迁移学习是在用户或特征不对齐的情况下,也可以在数据间通过交换加密参数达到知识迁移的效果。
联邦学习使多个参与方在保护数据隐私、满足合法合规要求的前提下继续进行机器学习,解决数据孤岛问题。
发布单位:微众银行人工智能部、电子商务与电子支付国家工程实验室、鹏程实验室、平安科技、腾讯研究院、云计算与大数据研究所、招商金融科技