澳大利亚Deakin大学多位华人学者，包括高级讲师Longxiang Gao等。一作刘铭，Deakin的研究员。

摘要

联邦学习旨在在不牺牲本地数据隐私的情况下，从多个分散的边缘设备（例如移动设备）或服务器中学习机器学习模型。 最近的自然语言处理技术依赖于深度学习和大型预训练语言模型。 然而，大型深度神经模型和语言模型都是用大量数据训练的，这些数据通常位于服务器端。 由于文本数据广泛来自最终用户，在这项工作中，我们研究了最近使用联邦学习作为学习框架的 NLP 模型和技术。 我们的综述讨论了联邦自然语言处理的主要挑战，包括算法挑战、系统挑战以及隐私问题。 我们还对现有的联邦 NLP 评估方法和工具进行了严格审查。 最后，我们强调了当前的研究差距和未来的方向。

论文地址：https://arxiv.org/abs/2107.12603

 

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