Federated Learning

联邦学习是一种机器学习方法，允许多个设备或实体在不交换数据的情况下协同训练共享模型。各设备在本地进行模型训练，仅将模型更新发送至中央服务器进行聚合，以优化共享模型。这种方法实现了隐私保护的机器学习，确保数据本地存储，仅共享必要的模型改进信息。联邦学习的目标是提升模型性能，同时保障用户数据安全与隐私，具有广泛的应用价值。