各位大佬觉得联邦学习可以研究的问题有些什么？小白了解一下这个水深不深?#联邦学习

其实联邦学习就是一种特殊的分布式学习。分布式学习已经被研究十几年了，Low-hanging fruits早就被人摘了。联邦学习有一些特殊的设定，比普通的分布式学习要困难一些，所以还是有的做的。

联邦学习有这几个方向可以研究，做得好了肯定可以在顶会上发论文：

1. 降低算法通信次数，用少量的通信达到收敛。数据是IID的，已经被研究比较透彻了。联邦学习的困难在于数据不是IID的。
2. 研究联邦学习中的隐私问题。联邦学习其实不会保护隐私，很容易从梯度、模型参数中反推出用户数据。提出攻击和防御的方法都可以发表出论文。
3. 研究联邦学习的鲁棒性。比如有节点恶意发送错误的梯度给服务器，让训练的模型变差。设计新的攻击方法和防御方法都可以发表出来论文。

作者：知乎用户 搬砖的小码农
链接：https://www.zhihu.com/question/315844487/answer/920036089 著作权归作者所有。

#学习路径

自学了一些联邦学习的最新内容，也想研究联邦的论文方向，目前已经拥有了一些相关资料，如联邦学习的资料，和人工智能论文的资料，如有兴趣，可以点击下方地址获取（not free），学习了贪心科技的联邦学习内容，深度之眼的人工智能年度paper等，

点击获取哈（not free）

链接：https://pan.baidu.com/s/1Fc6pQyMBI9h3RPe1ysawEw 
提取码：pvm4