去中心化学习

去中心化学习（decentralized learning），理学-统计学-大数据统计分析-联邦学习-去中心化学习，一种通过多个数据节点之间信息的互相传输来构建全局模型的方法。去中心化学习起源于美国计算机学家D.肖姆[注]构建的“混合网络”系统，并被用于开发了世界上第一个去中心化支付系统。不同于中心化学习中中心节点对全局模型和计算资源的“集中调控”，去中心化学习中保持每个数据节点独立运行，并通过在相连节点之间的信息传输来构建和更新全局模型。值得注意的一点是，在去中心化学习中，每一个数据节点都拥有全局模型的信息，这一点与只在中心节点储存和更新全局模型信息的中心化学习相反。因此，与中心化学习体系相比，去中心化学习系统有更强的数据安全性和系统稳定性。