不正经设计

一、联邦学习（Federated Learning）1、定义： 是一种新兴的人工智能基础技术，设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或多计算结点之间开展高效率的机器学习。2、优势： （1）数据隔离，数据不会泄露到外部，满足用户隐私保护和数据安全的需求； （2）能够保证模型质量无损，不会出现负迁移，保证联邦模型比割裂的独立模型效果好； （3）参与者地位对等，能够实现公平合作；

一步一步学习大数据（Big Data）。