① 資料超敏感
「我的資料
不能被別人看到！」
不能被別人看到！」
🔐
個資、醫療、金融、企業機密
兩個都在「保護資料」，但保護的方法完全不一樣！
個資、醫療、金融、企業機密
資料不能亂集中
「資料先鎖起來，鎖著也可以計算。」
資料被加密後，外部計算者不需要看到原始資料，仍可在密文上進行特定運算，最後再解密得到結果。
密文上運算 資料加密 看不到原文「資料不要搬家，模型自己去各地學。」
資料留在各個裝置或機構本地，只交換模型更新／參數等資訊，再由協調端整合，形成共同模型。
資料留在本地 分散式學習 交換模型更新👉 核心問題是：「資料本身如何被保護？」
👉 核心問題是：「資料如何不用集中也能一起訓練？」
假設有 100 棟大樓，都想一起建立「能源異常偵測 AI」。
各大樓的能源資料可以先加密，再讓運算端對密文進行特定計算。
重點：「資料被加密後，仍能進行計算。」
100 棟大樓不用把完整能源資料全部上傳到中央。各自利用本地資料訓練，再把模型更新回傳整合。
重點：「原始資料留在各大樓。」
| 比較 | 🔐 同態加密 | 🤝 聯邦學習 |
|---|---|---|
| 主要概念 | 加密後仍可進行計算 | 資料分散在本地進行模型訓練 |
| 保護重點 | 保護「資料內容」不被直接看見 | 避免「原始資料集中到中央」 |
| 資料在哪？ | 可被加密後交給計算端處理 | 原始資料留在本地 |
| 交換什麼？ | 密文與運算結果等 | 模型更新／參數等 |
| 核心關鍵字 | 🔒「密文也能算」 | 🏠「資料不出門」 |
看到「加密後仍可運算」 → 想到 同態加密。
看到「資料留在各端、只共享模型更新」 → 想到 聯邦學習。
🎯 超短口訣：
「同態是保護資料內容；聯邦是避免資料集中。」
Q1：某公司希望雲端伺服器在「看不到原始資料」的情況下，仍能對加密資料進行計算。最符合哪個概念？
Q2：多家醫院希望共同訓練 AI，但病患資料不能集中到同一台伺服器。最符合哪個概念？
| 你看到的題目關鍵字 | 答案 |
|---|---|
| 「密文上直接進行運算」 | 🔐 同態加密 |
| 「加密資料仍可以計算」 | 🔐 同態加密 |
| 「資料留在裝置／醫院／銀行」 | 🤝 聯邦學習 |
| 「各端訓練、共享模型更新」 | 🤝 聯邦學習 |
| 「避免原始資料集中」 | 🤝 聯邦學習 |
⭐ 最後記住：
「同態加密＝資料鎖著算」
「聯邦學習＝資料分開學」