數據孤島問題已經成為制約人工智能發展的主要阻礙。在此背景下, 聯邦學習(Federated Learning) 作為一種新興的機器學習技術範式, 憑藉其突出的隱私保護能力,展示出在諸多業務場景中的應用價值。本書從聯邦學習的基礎知識出發, 深入淺出地介紹了中央服務器優化和聯邦機器學習的算法體系, 詳細闡述了聯邦學習中涉及的加密通信模塊的相關知識, 以定性和定量的雙視角建立了聯邦學習服務質量的評估維度、理論體系, 還延伸介紹了提升聯邦學習服務質量的方法, 並對聯邦學習的研究趨勢進行了深入探討與分析, 可以對設計和選擇算法提供工具式的參考和幫助。本書是高校、科研院所和業界相關學者研究聯邦學習技術的理想讀本, 也適合大數據、人工智能行業的從業者和感興趣的讀者參考。
