高手问答
在大数据时代，数据的数量和复杂性都呈指数级增长。然而，这些数据往往分散在不同的组织和个人之间，限制了数据的利用和挖掘。此时，联邦学习应运而生。它是
一种新兴的机器学习方法，允许多个参与方共同训练模型。在大数据时代和人工智能的发展下，联邦学习成为了应对数据分散和隐私保护的有效解决方案，在医疗、金融、推荐等领域都有广泛的应用。
OSCHINA 本期高手问答 (10 月 18 日 - 10 月 24 日) 我们请来了 PrimiHub 开源 和大家一起探讨关于「联邦学习技术」的问题。可讨论的问题包括但不限于：
-
什么是联邦学习？与分布式训练的区别和联系
-
联邦学习的场景：包括但不限于横向 / 纵向联邦、跨企业、跨设备等
-
当前联邦学习面临的问题：计算 / 通信复杂度、数据分布不均衡、安全隐私、公平性等
-
联邦学习入门学习、上手开发的建议
如有其他「联邦学习技术」
相关的问题，也欢迎提问
！
嘉宾介绍
许雪峰，北航网络安全硕士，北京原语科技隐私计算工程师。从事联邦学习、差分隐私相关算法开发工作。热爱技术和开源，曾多次为知名开源机器学习框架 scikit-learn 贡献代码。
?? 为了鼓励踊跃提问，
原语科技 PrimiHub 会在问答结束后从提问者中抽取 5 名幸运会员，赠予 PrimiHub 定制笔记本礼盒 3 件套（内含：笔记本 * 1、金属签字笔 * 1、U 盘 * 1）。
百度 因此，最合适的受众首先是有能力了解和理解其文化内涵和艺术特征的那些群体，否则，会因为不熟悉而拒绝，因为理解的难度而不喜欢，因为最初的不喜欢的体验，而导致很难第二次接近。
OSChina 高手问答一贯的风格，不欢迎任何与主题无关的讨论和喷子。
下面欢迎大家就 “联邦学习技术” 相关问题向 PrimiHub 许雪峰老师 提问，直接回帖提问既可。
PrimiHub 作为一款由密码学专家团队打造的开源隐私框架，具有以下特性：
