联邦学习 编辑
联邦学习是一种机器学习技术，具体来说就是人们在多个拥有本地数据的分散式边缘设备或服务器上训练算法。这种方法与传统的集中式机器学习技术有显著不同，传统的集中式机器学习技术将所有的本地数据集上传到一个服务器上，而更经典的分散式方法则通常假设本地数据样本都是独立同分布的。
1