序言
近两年，联邦学习发展迅速，其作为分布式的机器学习范式，能够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。基于联邦学习的技术生态，特点如下：数据隔离，联邦学习的整套机制在合作过程中，数据不会传递到外部；无损，通过联邦学习分散建模的效果和把数据合在一起建模的效果对比，几乎是无损的；对等，合作过程中，合作双方是对等的，不存在一方主导另外一方；共同获益，无论数据源方，还是数据应用方，都能获取相应的价值，这些特点让该技术解决了金融领域的许多问题。InfoQ 希望通过选题的方式对金融领域应用联邦学习的具体情况、解决的问题、改进优化方案等内容进行呈现，并推动该技术在这一领域的发展。
目录
联邦学习可能会带来数据价值挖掘的下一个爆发点
同样是解决数据问题，为什么需要联邦学习？
对话腾讯大数据团队：自研联邦学习系统的技术实践和难点
对话微众银行：联邦学习在金融领域的实践方法及落地建议
破解 AI 数据困境：联邦学习在平安科技的大规模实践
GPU 在联邦机器学习中的探索
评论