人工智能和大数据领域的人对于这个新兴词汇一定不陌生，但关于这个连名字都有多种叫法的技术（联邦学习、联合学习、联盟学习……）究竟是如何实现的，很多人只是一知半解。

简单来说，联邦学习作为分布式的机器学习范式，最大的特点是可以让多个参与方进行 AI 协同。本质上来说，联邦学习的目标是为了有效解决“数据孤岛”问题，让参与方在不共享数据的基础上联合建模，从技术上打破数据孤岛，实现 AI 协作。

avatar

自从谷歌在 2016 年提出了针对手机终端的联邦学习，这个概念开始火爆起来，并被视为下一代人工智能协同算法和协作网络的基础。平安科技提出“联邦智能”的架构，将安全通信、层级加密、可信计算、可视化等真正实现保护用户隐私数据的完整系统囊括进来，联邦学习只是其中一个技术环节。

虽然联邦学习技术更新迭代，也有了不少实践解决方案，但是在实际落地中，在保护数据隐私的前提下进行 AI 协同，无论是底层技术还是整个部署环节，还有大量的挑战需要克服。

为了更加深入了解联邦学习，CSDN 邀请到平安科技副总工程师、联邦学习技术部总经理王健宗，从他个人踏上联邦学习技术和应用研究之路的个人经历开始，到在其带领下构建的自动化机器学习平台“奥卡姆”与联邦智能平台“蜂巢”的技术解析与应用实践，一窥这项技术在信息爆炸的新时代下，到底已经走到了哪一步。

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