更新时间：2021-12-17 GMT+08:00
产品优势
- 数据不出局
局点由于数据安全、隐私保护而导致数据不能出本地，形成数据孤岛问题。传统的机器学习无法汇聚完整的训练数据，从而无法训练出较优的模型。
联邦学习只利用本地数据进行训练，不交换数据本身，而是用加密方式交换更新的模型参数。
- 模型效果提升
数据样本在各地分布不均，样本量少的局点，训练得到的AI模型效果较差，AI模型应用的泛化效果没有保障。
联邦学习利用设备在不同环境的数据进行模型训练，模型汇集更新后再下发至设备，可以提升模型的泛化能力。
- 模型训练效率提升
由于边缘计算能力越来越强，分布式训练相对于集中训练，更能提高AI模型生成效率，充分发挥边缘节点的计算资源及计算能力。
联邦学习利用终端或边缘设备闲置计算能力进行训练，提升模型个性化适配训练效率，不影响核心业务体验。
父主题： 产品介绍
