在中国计算机学会的数字图书馆中“微众银行-刘洋-联邦学习的研究及应用”视频的ppt截图，由于网站中的视频不是很清晰，ppt也不能保证文字也特别清晰。 视频网址：https://dl.ccf.org.cn/audioVideo/detail.html?id=4360432544024576&_state=&_ack=1&_access_code=1c1ef48794b443bab9f74dddd16cd39b。 视频简介：联邦学习框架的优势到底是什么? 作为一个机器学习框架，联邦学习能有效帮助多个机构在满足用户隐私保护、数据安全和政府法规的要求下，进行数据使用和建模。而在联邦学习的基础上，迁移学习的能力也可以被搭建出来，做到举一反三的效果。而根据孤岛数据具有不同分布的特点，我们提出了不同的联邦学习方案。在本次报告中，我们将全面介绍联邦学习的概念与应用，并将提供联邦学习开源项目FATE（https://github.com/webankfintech/fate）详解，FATE提供了一种基于数据隐私保护的安全计算框架，为机器学习、深度学习、迁移学习算法提供强有力的安全计算支持。

适合做区块链和人工智能报告的人使用

IEEE Guide for Architectural Framework and Application of Federated ML

人工智能进入新时代，数据孤岛与隐私保护成为阻碍人工智能发展的两大障碍，联邦学习的提出正好可以解决这两个问题。

安全多方计算联邦学习白皮书

联邦学习客户端选择文献

联邦学习相关文献

EXPANDING THE REACH OF FEDERATED LEARNING.pdf

联邦学习研究相关综述文章

联邦学习，随机梯度下降