联邦学习

2019年，联邦学习作为数据合作的新兴技术，开始在国内传播。我对其进行了学习研究，并应用到了京东数据联盟、钼媒数据平台中。
传统数据打通：把特征或标签数据整合到一方，同时利用双方数据进行训练得到模型，存在隐私数据出库、数据资产外流的弊端。
联邦学习：数据拥有方在不用给出己方原始数据的情况下，也可进行联合训练（交换加密训练参数）并得到足够准确的模型（与传统数据打通建立模型的差距很小），且训练目标为非个体信息或经过用户授权，各方无法反推他方原始数据。