联邦学习框架实现难点剖析

摘要：

联邦学习是一种保护机密性的机器算法,可有效的应用于工业物联网.在联邦学习中,服务器协调多个客户端以进行模型学习.区块链在物联网和联邦学习中使用,可以有效的保持数据完整性,并吸引足够的数据和计算资源.机器学习已经发展阶段,大量高质量数据已成为限制发展的因素.在此背景下,对数据交换需求不断增长.传统的机器学习需要集中数据,对于数据孤岛和隐私要求,使各个业务部门无法做到交换数据.为了解决这个问题,联邦学习框架应运而生,本文分析了联邦学习框架的设计应用,分析了现行联邦学习框架存在的实现难点,以便相关人士更好地理解联邦学习框架.

关键词：联邦学习框架、实现难点、剖析

分类号：TP309.2(计算技术、计算机技术)

在线出版日期：2022-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：129-131