Федеративное обучение — это метод в области машинного обучения, при котором множество устройств или компьютеров совместно обучают модель, не делясь своими данными.
Вместо того чтобы собирать все данные в одном центральном месте, каждое устройство сохраняет свои собственные данные.
Устройства обучаются локально и отправляют только полученную информацию, например обновления модели, на центральный сервер.
Там эти обновления объединяются для улучшения общей модели.
Таким образом, конфиденциальность пользователей сохраняется, при этом используется информация всех данных.