一、应用场景 从以上两个场景可以看出当前机器学习领域对于知识共享、隐私保护两大需求所面临的挑战：数据量越大、越全面，训练出的模型效果越佳，但单个用户设备数据量小，训练出来的模型效果不佳，故服务器需集合大量用户数据来训练模型；服务器要集合用户数据，需每个设备进行数据共享，服务器需和用户设备频繁通信，这样易造成数据泄露，想要保护隐私，本地数据不能离开设备。 要意识到这样一个现状：欧美国家的法律对用户隐私保护非常严格，但我国的个人信息获取渠道泛滥，网站/app均需获取个人信息，但人们不以为然。因此，面对以上两个场景，更智能or更隐私之间怎么选择呢？能否两者兼得呢？这时联邦学习来了，他的学习目的便是训练出好模型的同时能保护隐私。在介绍联邦学习前，首先得了解下分布式机器学习，因为联邦学习的工作思路就是基于分布式机器学习拓展开来的。二、分布式机器学习