2017年4月，谷歌在官方博客中发文，提出了联邦学习（Federated Learning）。该技术实际上是一种加密的分布式机器学习技术，各个参与方可在不披露底层数据和其加密形态的前提下共建模型。
时隔两年，谷歌发布论文《Towards Federated Learning at Scale:System Design》，描述了谷歌基于TensorFlow构建的全球首个产品级可扩展的大规模移动端Federated Learning系统，该系统可以在数千万台手机上搭载运行以实现联邦学习。数据安全隐私问题的解决方案终于浮出水面，未来已来！
漫画作者: Google AI (federated.withgoogle.com)
联盟学习与分析基于多个领域的丰富研究成果，包括分布式优化、机器学习以及隐私研究。而且借鉴了很多系统和工具的灵感，比如用于分布式计算的 MapReduce，用于机器学习的 TensorFlow 以及用于隐私保护与分析的 RAPPOR。使用联盟学习来训练深度网络的论述最早由 Google AI 研究人员于 2016 年发表。
Communication-Efficient Learning of Deep Networks from Decentralized Data
https://arxiv.org/abs/1602.05629
