2021全球联邦学习研究与应用趋势报告

, secure aggregation 等安全技术问题，应用领域研究以 biology medicine，healthcare 为主。Р此外，当时热点还包括 Support vector machine, graph computation, verticalРfederated learning 等。РРР延 续 了 上 年 的 differential privacy, database, secure aggregation, communication efficiency 等研究热点，新增出现了 Multi-task learning, Quantum Key Agreement, ADMM, anomaly detection, Bayesian learning ， social network, collusion attack, quantum machine, reinforcement learning 等研究热点。在应用方面，healthcare 依然是联邦学习的热点应用方向， cloud computing 和Internet of Things 和联邦学习的结合也成为Р研究热点。РР2018 年联邦学习应用相关研究热度增加并居于前列， 如 healthcare, Internet of Things, biology medicine, edging computing 。 同时， 学者们依旧较关注differential privacy, secret sharing, homomorphic encryption, Quantum Key Agreement, communication efficiency 等联邦学习安全与效率问题的研究。在这一阶段区块链“blockchain”技术成为热点，为联邦学习提供了保障用户隐私的新方法。РР15