Federated Learning

一种在许多独立设备或组织的数据上训练AI模型的方式，原始数据永远不会离开其原始位置——只有学习到的更新被共享并在中央合并。它通常用于敏感数据，如医院记录或个人设备，因为移动原始数据是不可取的或受限的。

它经常被宣传为隐私友好的，因为数据保持本地化，但协调共享更新的软件本身是一个高价值的目标——其中的缺陷可能导致在参与的每个组织中同时远程代码执行。