資料保留在本地。聯邦學習無需集中儲存原始數據，即可在多個設備上訓練模型。每個設備都基於本機資料計算更新，並將這些更新傳送到伺服器，伺服器再將它們聚合到一個共用模型中。

這種方法適用於因隱私或頻寬限製而無法實現集中式部署的情況。鍵盤無需發送擊鍵即可學習打字模式。醫院無需共享患者記錄即可訓練診斷模型。

核心機制

• 每台設備均接受本地培訓
• 梯度或模型更新已發送到伺服器
• 匯總成更新後的全球模型
• 下一輪分發回設備

挑戰依然存在。不同設備的資料分佈、連線速度和可用性各不相同。通訊開銷龐大，如果保護措施不當，更新可能會洩漏資訊。安全聚合和差分隱私雖然能提供額外的安全保障，但也增加了成本。