联邦学习（Federated Learning）是一种多个参与方在不交互数据的情况下，通过安全机制交互模型参数，从而达到协同训练效果的分布式机器学习方法。
联邦学习能有效帮助多个机构在满足用户隐私保护、数据安全和政府法规的要求下，进行数据使用和机器学习建模，可使用的机器学习算法包括逻辑回归、神经网络、随机森林等，有望成为下一代人工智能协同算法和协作网络的基础。
