（1）作者资深：资深AI技术专家，某大型金融集团科技公司联邦学习团队负责人。
（2）院士推荐：中国科学院外籍院士/英国皇家学会院士/欧洲科学院院士/英国爱丁堡皇家学会院士樊文飞、加拿大工程院院士郭嵩联袂推荐。
（3）企业界和学术界高度评价：来自清华大学、华中科技大学教授、蚂蚁集团、百度、同盾科技等院校和企业的专家高度评价。
（4）4个维度：从基础、原理、实战、拓展4个维度系统讲解联邦学习。
这是一本从基础、原理、实战、拓展4个维度系统讲解联邦学习的著作。
作者是人工智能领域的资深专家，现任某大型金融集团科技公司联邦学习团队负责人，这本书不仅得到了中外院士的联合推荐，而且得到了来自清华大学、华中科技大学、百度、蚂蚁集团、同盾科技等学术界和企业界的专家的一致推荐。
全书共9章，分为4个部分。
第1部分 基础（第1~2章）
主要介绍了联邦学习的概念、由来、发展历史、架构思想、应用场景、优势、规范与标准、社区与生态等基础内容，帮助读者建立对联邦学习的感性认知。
第二部分 原理（第3~5章）
详细讲解了联邦学习的工作原理、算法、加密机制、激励机制等核心技术，为读者进行联邦学习实践打好理论基础。
第三部分 实战（第6~7章）
主要讲解了PySyft、TFF、CrypTen等主流联邦学习开源框架的部署实践，并给出了联邦学习在智慧金融、智慧医疗、智慧城市、物联网等领域的具体解决方案。
第四部分 拓展（第8~9章）
概述了联邦学习的形态、联邦学习系统架构、当前面临的挑战等，并探讨了联邦学习的发展前景和趋势。
前言
第一部分 基础
第1章 联邦学习的前世今生2
1.1 联邦学习的由来2
1.2 联邦学习的发展历程3
1.3 联邦学习的规范与标准8
1.4 联邦学习的社区与生态9
1.5 本章小结10
第2章 全面认识联邦学习11
2.1 什么是联邦学习11
2.2 联邦学习的架构思想12
2.3 联邦学习的应用场景14
2.4 联邦学习的优势与前景15
2.5 本章小结16
第二部分 原理
第3章 联邦学习的工作原理18
3.1 联邦学习的计算环境18
3.1.1 可信执行环境18
3.1.2 无可信计算环境22
3.2 联邦学习的算法23
3.2.1 中心联邦优化算法24
3.2.2 联邦机器学习算法25
3.2.3 联邦深度学习算法28
3.3 联邦学习的算子29
3.3.1 联邦学习数据预处理算子30
3.3.2 联邦学习模型训练算子34
3.4 本章小结49
第4章 联邦学习的加密机制50
4.1 联邦学习的安全问题50
4.1.1 模型完整性问题50
4.1.2 模型可用性问题51
4.1.3 模型机密性问题52
4.1.4 问题总结53
4.2 联邦学习的加密方式53
4.2.1 同态加密53
4.2.2 差分隐私55
4.2.3 安全多方计算57
4.2.4 国密SM2算法58
4.2.5 国密SM4算法60
4.2.6 Deffie-Hellman算法61
4.2.7 混合加密61
4.3 本章小结63
第5章 联邦学习的激励机制64
5.1 数据贡献评估65
5.2 数据贡献与激励支付的关系66
5.3 参与方贡献效益评估67
5.4 参与方贡献效益与激励支付的关系68
5.5 计算和通信消耗评估68
5.6 计算消耗、通信消耗和激励支付的关系69
5.7 本章小结70
第三部分 实战
第6章 联邦学习开发实践72
6.1 联邦学习开源框架部署：PySyft72
6.1.1 PySyft基本介绍72
6.1.2 开发环境准备与搭建72
6.1.3 PySyft安装指南75
6.1.4 开发前的准备76
6.1.5 PySyft测试样例76
6.1.6 实操：分布式联邦学习部署87
6.2 联邦学习开源框架部署：TFF93
6.2.1 TFF基本介绍93
6.2.2 开发环境准备与搭建94
6.2.3 TFF安装指南94
6.2.4 开发前的准备95
6.2.5 TFF测试样例95
6.3 联邦学习开源框架部署：CrypTen100
6.3.1 CrypTen基本介绍100
6.3.2 开发环境准备与搭建100
6.3.3 CrypTen安装指南101
6.3.4 开发前的准备101
6.3.5 CrypTen测试样例102
6.4 本章小结111
第7章 联邦学习的行业解决方案112
7.1 联邦学习+智慧金融112
7.1.1 联邦学习+银行112
7.1.2 联邦学习+保险121
7.1.3 联邦学习+投资125
7.2 联邦学习+智慧医疗128
7.2.1 联邦学习+医疗影像诊断128
7.2.2 联邦学习+疾病风险预测130
7.2.3 联邦学习+药物挖掘133
7.2.4 联邦学习+医护资源配置135
7.3 联邦学习+智慧城市137
7.3.1 联邦学习+零售137
7.3.2 联邦学习+交通140
7.3.3 联邦学习+物流141
7.3.4 联邦学习+政府143
7.3.5 联邦学习+安防146
7.4 联邦学习+物联网148
7.4.1 联邦学习+车联网148
7.4.2 联邦学习+智能家居150
7.4.3 联邦学习+可穿戴设备153
7.4.4 联邦学习+机器人155
7.5 本章小结160
第四部分 拓展
第8章 联邦学习的延伸162
8.1 联邦学习的布局162
8.1.1 Google的联邦学习162
8.1.2 Facebook的联邦学习166
8.1.3 联邦智能167
8.1.4 共享智能169
8.1.5 知识联邦172
8.1.6 异构联邦177
8.1.7 联邦学习方案对比178
8.2 联邦学习系统框架179
8.2.1 工业级联邦学习系统179
8.2.2 企业级联邦学习系统181
8.2.3 实验开发级联邦学习系统181
8.3 本章小结183
第9章 联邦学习的挑战、趋势和展望184
9.1 联邦学习应对的挑战184
9.2 联邦学习的趋势和展望187
9.3 本章小结189
温馨提示：请使用浙江图书馆的读者帐号和密码进行登录
联邦学习作为新一代人工智能基础技术，已经成为打破数据孤岛、促进数据流通、提升应用价值的有效方法，备受瞩目。这本书按照基础、技术、实践和拓展四个方面对联邦学习做了系统性介绍，内容全面，通俗易懂，非常值得一读。
——樊文飞 中国科学院外籍院士/英国皇家学会院士/欧洲科学院院士/英国爱丁堡皇家学会院士/国际计算机学会会士（ACM Fellow)/深圳计算科学研究院首席科学家/
英国爱丁堡大学信息学院主任教授
随着数据孤岛、合规监管和隐私泄露问题日益凸显，各企业间的数据流通与合作变得尤为困难，隐私保护问题已经被推上风口浪尖，而联邦学习正是弥合信任鸿沟、确保隐私安全的关键所在。本书阶梯式、全方位地讲解了联邦学习，既有通俗易懂的基础概念，又涵盖深入本质的技术原理，是一本面向广大读者、具有启蒙和科普性质的联邦学习读物。
——杨胜文 百度大数据技术委员会主席
本书从理论与实践的双重维度对联邦学习进行了深入浅出的阐述，同时结合作者长期的应用实践，分享了可动手实践的源码案例，以及对联邦学习发展趋势的洞察和思考。这是一本富含前瞻性和思想性的著作，是读者掌握联邦学习的理想选择。
——苏竣 清华大学公共管理学院教授/长江学者特聘教授/清华大学智能社会治理研究院院长/清华大学智库中心主任/清华大学科教政策研究中心主任
数据安全与隐私保护是目前广受关注的领域，联邦学习技术能够有效破解数据隐私、数据孤岛和数据共享三者之间的矛盾和困局，是目前数据隐私保护领域Z有前途的技术方向之一。本书从定义、原理、实际应用等方面对联邦学习进行了介绍，内容详尽且务实，相信会帮助读者打下坚实的基础。
——陈继东 蚂蚁集团数字身份负责人/全球可信身份平台ZOLOZ总经理/CCF大数据专家委员会常委/互联网金融认证联盟（IIFAA）理事长
数据是具有战略价值的核心资产，相比传统的数据授权和数据传输模式，联邦学习的优势是既能满足隐私保护要求，又能实现商业合作的诉求。本书作者结合自己在联邦学习领域长期的沉淀和研究，系统介绍了联邦学习技术的基本知识。仔细研读这本书，读者可以详尽地了解和掌握联邦学习，一定会很有收获。
——谢长生 华中科技大学武汉光电国家研究中心教授/CCF信息存储专业委员会常委
数字经济时代的来临，正加速各行各业完成数字化转型与业务的降本增效。如果说数据是智能时代的石油，那么联邦学习无疑是Z具潜力的“石油挖掘机”。本书从联邦学习的基本概念出发，深入浅出地讲解了其技术原理，并结合实例分析了联邦学习的应用。有兴趣了解联邦学习是什么、如何实践和应用的读者读之，必大有裨益。
——李晓林 同盾科技合伙人/知识联邦产学研联盟理事长
进入数字时代以来，机构和个人不断产生海量数据，如何将大数据与人工智能技术完美结合是人们一直在探索的问题，联邦学习技术的诞生为之提供了一条新的解决思路。本书从扎实的理论基础出发，内容涵盖联邦学习的各种框架、实战案例、应用场景和前沿研究，这些是作者在联邦学习领域的耕耘成果，更是经验分享。想要学习联邦学习技术的读者一定不要错过这本书。
——郭嵩 加拿大工程院院士/香港理工大学电子计算学系教授/
IEEE Fellow/长江学者讲座教授