联邦学习与分布式学习有什么区别和联系
联邦学习与分布式学习有什么区别和联系；安全多方计算、联邦学习、同态加密、可信计算等这些与隐私计算又有什么关联呢；隐私计算目前实际应用场景都有哪些？
展开
收起
1
条回答
写回答
写回答
-
- 区别：分布式学习本质上是把收集到的数据分散到各个集群上，其主要瓶颈是计算；联邦学习的数据存储在用户本地，面临的一个瓶颈是通信，还有用户掉线的问题。
联系：分布式的一些优化算法可以用在联邦学习上。 - 列举的这些是隐私计算所采用的不同技术路线，可以理解为不同的解决方案。不同技术有各自的优势和劣势，以及各自适合的应用场景。
- 隐私计算多应用在金融、医疗、政务、营销等行业，比如「金融领域」的联合反洗钱、银(行)证(券)数据共享、高净值/风险用户共享；「集团机构」间的数据共享比如共建用户黑名单。
2024-05-11 15:59:29赞同 展开评论 打赏 - 区别：分布式学习本质上是把收集到的数据分散到各个集群上，其主要瓶颈是计算；联邦学习的数据存储在用户本地，面临的一个瓶颈是通信，还有用户掉线的问题。
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
