? 聯邦學習被正式提出

聯邦學習這一術語由谷歌科學家McMahan等人在2016年首次提出。事實上，對于數據隱私保護的分布式機器學習的研究，早在2013年左右即有學者發表了相關成果，谷歌團隊也是自2014年就開始了To C場景的相關研究，但直到3年后取得一定成果時才將其公開發表。也正是由谷歌提出的這一概念，才使得聯邦學習在大數據與人工智能領域開始得到大量關注。概念提出之時，在大量通信帶寬有限的不可靠設備上對不平衡和非獨立同分布數據執行分割，被認為是聯邦學習面臨的核心挑戰。

此后，微眾銀行等國內企業從金融行業實踐出發，提出“聯邦遷移學習”的解決方案，將遷移學習和聯邦學習結合起來。目前在人工智能領域，各類開源的聯邦學習框架如FATE、TensorFlow Federated持續涌現并趨于成熟。

經歷了前期長時間的理論積累，隱私計算自2018年開始快速向實踐落地發展，技術和產品成熟度迅速提升，國內外隱私計算產業化的步伐明顯加快，互聯網巨頭、電信運營商和大數據公司紛紛布局，大批技術研發的初創企業相繼涌現。如圖1-6所示，2018下半年到2021年上半年間國內發布的隱私計算產品數量持續快速增長，越來越多的技術提供者加入競爭賽道。在中國信息通信研究院“2020大數據‘星河’案例”評選中，共有25個標桿和優秀的隱私計算應用案例入選，場景覆蓋金融風控、保險評估、精準營銷、醫學病毒基因研究等多個領域，可以預見，未來幾年將是技術產品加速迭代，應用場景快速升級，產業生態逐步成熟的重要階段。

圖1-6 國內隱私計算產品數量增長迅速

本書接下來將會從技術、應用、產業、法律等維度對隱私計算的發展進行更加詳細的介紹。