什么叫联学

联邦学习（Federated Learning）是一种分布式机器学习框架，它允许多个机构或实体在保护用户隐私、确保数据安全以及遵守相关法规的前提下，共同进行数据使用和机器学习建模。这种学习方法的核心思想是在不直接共享数据的情况下，让各个参与方联合建模，从而技术上打破了数据孤岛，实现了AI协作。

联邦学习的主要特点包括：

隐私保护：

数据在本地设备或服务器上处理，不直接上传到中央服务器，减少了数据泄露的风险。

数据安全：

通过加密和安全协议，确保数据在传输和处理过程中的安全性。

模型聚合：

各个参与方训练出的模型参数会被安全地聚合起来，以形成最终的模型。

去中心化：

不依赖于中心化的数据存储和处理，提高了系统的灵活性和鲁棒性。

联邦学习适用于多种场景，如医疗、金融、物联网等，能够在不共享敏感数据的前提下，实现跨机构的数据合作和模型训练。