联邦学习概述:技术、应用及未来

来源：计算机集成制造系统杂志2022年第7期北京时间：

作者：李少波, 杨磊, 李传江, 张安思, 罗瑞士

单位：1.贵州大学省部共建公共大数据国家重点实验室2.贵州大学机械工程学院

摘要：联邦学习(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了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。

关键词：联邦学习,隐私保护,通信效率,异构性,激励机制

基金资助：国家重点研发计划资助项目(2020YFB1713300);贵州省高等学校人才培养基地资助项目(黔教合KY字［2020］009);贵州省科技计划资助项目(黔科合人才［2015］4011、黔科合平台人才［2017］5788);贵州省重大科技专项计划资助项目(黔科合重大专项字［2019］3003);贵州省高等学校集成攻关大平台资助项目(黔教合KY字［2020］005)。