本文分享的内容是一篇联邦学习领域方面比较全面的综述文章：Advances and Open Problems in Federated Learning。该文章发表于2021年，由来自麻省理工、斯坦福、谷歌等25所国际知名高校(机构)的学者联合所著，共调研了400余篇文献，内容非常丰富。由于篇幅所限，这里聚焦于几个基础方面进行分享，并进行一定的补充。

论文链接：

http://dx.doi.org/10.1561/2200000083

目录

联邦学习的定义

联邦学习的背景

联邦学习基本的训练过程

放宽核心假设-去中心化联邦学习

联邦学习与典型分布式学习的区别

联邦学习优化算法及其理论分析

联邦学习的未来展望

软件和数据集

内容中包含的图片若涉及版权问题，请及时与我们联系删除