基本信息

---

下载

文档摘要

---

PAGE

1-

联邦学习在医疗信息化中的应用研究

一、1.联邦学习概述

1.联邦学习的定义与特点

联邦学习（FederatedLearning）是一种分布式机器学习框架，旨在在不共享数据的情况下，通过在本地设备上训练模型并在云端进行聚合来提升模型性能。在这种框架下，数据保持私有，仅在本地设备上用于模型训练，从而避免了数据泄露的风险。据斯坦福大学的研究报告，联邦学习可以保护超过95%的患者隐私，同时还能实现模型的高效协作。

联邦学习的核心特点在于其去中心化的架构，它允许多个参与者（如医疗机构、研究机构或个人用户）在不共享原始数据的情况下，共同训练一个共享模型。例如，谷歌在2