计算机集成制造系统 ›› 2022, Vol. 28 ›› Issue (7): 2119-2138.DOI: 10.13196/j.cims.2022.07.018
李少波1,2,杨磊2+,李传江2,张安思1,2,罗瑞士2
LI Shaobo1,2,YANG Lei2+,LI Chuanjiang2,ZHANG Ansi1,2,LUO Ruishi2
摘要: 联邦学习(FL)以多方数据参与为驱动,通过数据加密交互实现数据自身价值的最大化,近年来受到各界研究学者的广泛关注与研究,逐步从基础理论研究走向实际应用,为企业进一步发挥数据价值提供了新技术。在阐述联邦学习定义及分类的基础上,首先对其隐私保护、通信效率、异构性、激励机制等相关技术的国内外研究进展展开了较为全面的分析和总结;其次介绍了当前联邦学习已有的应用平台和框架,并提出了联邦学习在智能制造、医疗、教育等领域的应用框架;最后,结合联邦学习在一些关键的开放性问题上的不足,对其未来发展趋势和方向进行了总结与展望,旨在为联邦学习的理论研究及应用落地提供参考。
中图分类号: