本书系统介绍了联邦学习的全貌，内容丰富，兼顾算法理论与实践。算法部分包含横向联邦、纵向联邦等不同的数据建模方式，重点讨论了联邦学习由于数据异质性和设备异质性带来的算法稳定性、隐私性挑战及其解决策略，这对每一个联邦学习框架设计者来说都是至关重要但却容易忽略的部分；实践部分介绍了当前主流的联邦学习框架，并进行对比，然后给出相同算法的不同实现供读者比较。本书重点介绍了联邦学习计算机视觉及推荐系统等方面的应用，方便算法工程师拓展当前的算法框架，对金融、医疗、边缘计算、区块链等应用也做了详尽阐述，相信对于研究隐私保护机器学习的计算机相关专业学生和联邦学习领域的开发者、创业者都有很好的借鉴作用。详细的代码以及对现有框架和开源项目的介绍是本书的一大特色。本书为读者提供了全部案例源代码下载和高清学习视频，读者可以直接扫描二维码观看。

北京市版权局著作合同登记 图字：01-2022-7084号

图书在版编目（CIP）数据

联邦学习原理与算法/耿佳辉等编著.—北京：机械工业出版社，2023.5

（网络空间安全技术丛书）

ISBN 978-7-111-72853-5

Ⅰ.①联…　Ⅱ.①耿…　Ⅲ.①机器学习　Ⅳ.①TP181

中国国家版本馆CIP数据核字（2023）第050825号

机械工业出版社（北京市百万庄大街22号邮政编码100037）

策划编辑：李培培　　　　　　责任编辑：李培培　杨　源　陈崇昱

责任校对：梁　园　陈　越　　责任印制：郜　敏

三河市宏达印刷有限公司印刷

2023年5月第1版第1次印刷

184mm×260mm·14.5印张·359千字

标准书号：ISBN978-7-111-72853-5

定价：109.00元

电话服务

客服电话：010-88361066

010-88379833

010-68326294

网络服务

机　工　官　网：www.cmpbook.com

机　工　官　博：weibo.com/cmp1952

金　　书　　网：www.golden-book.com

机工教育服务网：www.cmpedu.com

封底无防伪标均为盗版