联邦学习也称为协同学习，它可以在产生数据的设备上进行大规模的训练，并且这些敏感数据保留在数据的所有者那里，本地收集、本地训练。在本地训练后，*的训练协调器通过获取分布模型的更新获得每个节点的训练贡献，但是不访问实际的敏感数据。

联邦学习本身并不能保证隐私（稍后我们将讨论联邦学习系统中的隐私破坏和修复），但它确实使隐私成为可能。

联邦学习的用例：

• 手机输入法的下一个词预测（e.g. McMahan et al. 2017, Hard et al. 2019）
• 健康研究（e.g. Kaissis et al. 2020, Sadilek et al. 2021）
• 汽车自动驾驶（e.g. Zeng et al. 2021, OpenMined 的文章）
• “智能家居”系统（e.g. Matchi et al. 2019, Wu et al. 2020）

因为隐私的问题所以对于个人来说，人们宁愿放弃他们的个人数据，也不会将数据提供给平台（平台有时候也想着白嫖