連合学習は、Google社の研究者によって提案された機械学習手法です。その概念とコアアルゴリズムは、2017年の人工知能と統計に関する国際会議（AISTATS 2017）において、関連論文の中で正式に発表されました。 分散データからのディープネットワークの通信効率の良い学習。

連合学習は、プライバシーを保護する分散型機械学習手法です。その基本原則は、元のトレーニングデータを常にローカルデバイス上に保持し、中央サーバーにアップロードしないことです。代わりに、ローカルで計算されたモデル更新パラメータを集約することで、共有グローバルモデルを共同でトレーニングし、プライバシーの漏洩やセキュリティリスクを大幅に低減します。この目標を達成するために、研究チームは連合平均化（FedAvg）アルゴリズムを提案しました。実験では、このアルゴリズムがモバイルデバイス特有の不均衡で非独立同一分布（非IID）データを安定して処理できるだけでなく、深層ネットワークのトレーニングに必要な通信ラウンド数を10～100倍大幅に削減し、実世界のアプリケーションにおける通信コストの制約を大きく克服できることが示されています。