🔑 名詞卡
聯邦學習（Federated Learning）
🎯 定義
模型在各個客戶端（如使用者裝置或不同機構）本地進行訓練，只將模型參數更新（如梯度）傳回中央伺服器，避免原始資料集中存放或傳輸的進階隱私強化技術。
重點／應用
- 應用場景：醫療聯盟（跨院數據建模）、手機鍵盤輸入預測。
- 優點：保留資料在本地，降低外洩風險；支援跨機構合作。
- 限制：通訊成本高，可能面臨參數逆向推導的攻擊風險。
記憶技巧
「資料不出門，模型跑出去」——資料留在本地，只有模型參數在機構間流動。
易混淆
- vs 同態加密：聯邦學習是「分散式訓練架構」（資料不集中）；同態加密是「密碼學運算技術」（資料加密狀態下運算），兩者都能保護原始資料但實現原理完全不同。
📖 課文原文「模型在各個客戶端（如使用者裝置或不同機構）本地進行訓練，只將模型參數更新（如梯度）傳回中央伺服器，避免原始資料集中存放或傳輸。」