联邦迁移学习是一种方法，多台计算机或设备在不共享数据的情况下进行学习。
想象一下，不同的诊所想要共同训练一个识别疾病的计算机程序，但他们不能交换患者数据。
通过联邦迁移学习，这些诊所可以共享知识，而不泄露个人数据。
每个诊所用自己的数据训练程序，程序整体学习效果更好，因为它从所有人那里学习，但数据保持安全和私密。
这样，许多不同的地点可以合作，而不会有隐私保护问题。