联邦学习（Federated learning）

1.communication-efficient algorithms

parallel gradient descent

Federated Averaging Algorithm

比较

（epoch相当于计算量）
结论：FedAvg减少了通信量，增加了计算量

2.defense against privacy leakage

用梯度可以反推数据信息

加噪音之后，收敛速度和准确度会下降
工业界可能不允许

3.adversial robustness

叛徒可能会发错误节点和信息发送服务器

作者上传的课件：链接：https://pan.baidu.com/s/14QoIu4h6skC-11xL9wcOxg
提取码：zb26