作为近年来备受关注的人工智能新方向，联邦学习终于有了第一本“教科书”。

近日，《联邦学习》中文版正式上市。该书由电子工业出版社出版，微众银行首席人工智能官杨强教授及人工智能部刘洋、程勇、康焱、陈天健、于涵等多位人工智能领域顶级专家历时两年，共同撰写而成。该书对联邦学习这一人工智能新兴技术进行了系统性阐释，并且全面分享了微众银行在联邦学习领域的深厚积累。

近年来，人工智能成为新一轮科技革命和产业变革的重要驱动力量，基于行业大数据进行学习，发现知识，创造价值。而如何解决用户隐私安全，如何合法合规获取数据等问题，成为当下人工智能大规模应用于产业的关键。

联邦学习是一种分布式加密机器学习技术范式，因其可兼顾大数据合作需求和隐私安全保护，近两年发展极为迅速，渐渐成为各行各业大数据合作与AI协作的“标配”，尤其是金融、医疗、智慧城市等对数据安全要求极高的强监管行业。对这一技术系统化的认知需求也愈发强烈。作为国内首倡并大力推广联邦学习技术的微众银行，以立足产、学、研多领域的深厚经验推出了《联邦学习》这一重量级专著。在书中，微众银行全面、系统地阐述了如何将联邦学习与分布式机器学习、密码学和安全深度结合，并吸纳经济学原理和博弈论的激励机制设计相关理论，以解决“在数据不出本地、确保数据安全的情况下，让多个数据拥有者共享数据模型”的问题。此外，更介绍了联邦学习研究和开源平台等前沿成果，以及联邦学习在金融、计算机视觉等领域的落地实践案例。

凭借理论专业性及立足实践的实用性，该书获得国内外顶级专家认可与推荐。中国科学院院士、清华大学人工智能研究院院长张钹在书的序言中写道，“《联邦学习》一书主要从技术维度出发，重点研究了联邦学习对AI的隐私保护和数据安全问题。从广度上看，此书除了讨论了四种联邦学习的基本类型，还讨论了相关的联邦学习激励机制和分布式机器学习。而从深度上看，书中包括原理、算法、平台和应用实例。本书作者杨强等均来自微众银行，他们都参与了联邦智能使能器（Federated AI Technology Enabler，FATE）的联邦学习平台的开发。本书的许多思想来源于这个实践，因此具有实用性。”中国工程院院士、北京大学教授、鹏城实验室主任高文，创新工场董事长兼CEO李开复，欧洲科学院外籍院士、IEEE Fellow，中国人民解放军军事科学院副院长梅宏，第十三届全国政协经济委员会委员肖钢，南京大学人工智能学院院长、欧洲科学院外籍院士、ACM/AAAI/IEEE Fellow周志华等为书撰写推荐语。

本书作者之一，联邦学习技术最早的布道者，国际人工智能界领军人物杨强教授曾指出：“联邦学习作为下一代人工智能大规模协作的基础，迎合了技术和社会的需求，将承担起人工智能在发展和应用中的重任。”

《联邦学习》这一重量级专著的诞生，或许正是联邦学习技术的又一个腾飞，它标志着这一技术走向成熟，未来，这一技术势必将作为强有力的催化剂，让人工智能在不同的行业实现数据协同，保护用户个人隐私的同时，实现全社会的智慧变革。