模型训练通常需要从数据源收集数据,并将其传输到模型训练算法运行的集中位置。当训练数据由个人身份信息组成时,这就变得特别成问题。我们受到了鼓舞联合学习作为一种隐私保护方法,用于在与个人相关的大量不同数据集上进行培训。联合学习技术允许数据留在用户的设备上,在他们的控制下,但对训练数据的聚合语料库做出贡献。在一种这样的技术中,每个用户设备独立地更新一个模型;然后将模型参数(而不是数据本身)组合到一个集中视图中。网络带宽和设备计算限制带来了一些重大的技术挑战,但我们喜欢联合学习让用户控制自己的个人信息的方式。