《2021联邦学习全球研究与应用趋势报告》重磅发布，104页pdf

如今，随着人们越来越重视个人隐私权、政策法规愈发严格、数据协作和隐私保护矛盾日益凸出，隐私计算已然成为全球新兴的一大产业。

而联邦学习（Federated Learning）作为一种隐私保护的重要解决方案之一，近年来也得到了飞速的发展和足够多的关注。

在今年 7 月发布的 2021 年度Gartner 技术成熟度曲线中，联邦学习被首次纳入“隐私计算的技术成熟度曲线 — 2021”，根据此次 Gartner 预测内容，在 2021-2025 年这一周期中，联邦学习将发挥主流作用，引导该领域的商业化大潮。

近日，清华大学人工智能研究院知识智能中心和清华—中国工程院知识智能联合研究中心和智谱 AI 联合发布了《2021 联邦学习全球研究与应用趋势报告》（以下简称“报告”），报告从科研论文、专利、书籍、行业应用、学者地图与画像、技术发展趋势等多个角度，全景展示和分析了联邦学习技术自从 2016 年被提出以来至 2020 年的重要进展，并展望了该技术的未来发展方向与前景。

主要核心要点如下：

• 联邦学习科研发展呈现出整体热度逐年上升态势。研究论文产出量以及专利申请受理量均以中美两国为领先主导；全球该领域学者也主要聚集在这两个国家；

• 联邦学习高被引论文半数以上来自中美两国，两国间的合作论文数量也是全球最多；

• 联邦学习论文研究和专利申请的热点主要聚焦在机器学习方法、模型训练、隐私保护三方面；

• 企业比学术机构更积极地开展联邦学习相关研究，不仅在专利申请量前十机构之中占八席，而且引领论文量前十机构，也是联邦学习系统框架的主要推出者；

• 行业应用研究方向呈现出不断与区块链、物联网、车辆交互、5G等技术融合的态势。