深入淺出聯邦學習：原理與實踐

這是一本從基礎、原理、實戰、拓展4個維度系統講解聯邦學習的著作。

作者是人工智慧領域的資深專家，現任某大型金融集團科技公司聯邦學習團隊負責人，這本書不僅得到了中外院士的聯合推薦，而且得到了來自清華大學、華中科技大學、百度、螞蟻集團、同盾科技等學術界和企業界的專家的一致推薦。
 
全書共9章，分為4個部分。

第一部分 基礎（第1~2章）
主要介紹了聯邦學習的概念、由來、發展歷史、架構思想、應用場景、優勢、規範與標準、社區與生態等基礎內容，説明讀者建立對聯邦學習的感性認知。

第二部分 原理（第3~5章）
詳細講解了聯邦學習的工作原理、演算法、加密機制、激勵機制等核心技術，為讀者進行聯邦學習實踐打好理論基礎。

第三部分 實戰（第6~7章）
主要講解了PySyft、TFF、CrypTen等主流聯邦學習開源框架的部署實踐，並給出了聯邦學習在智慧金融、智慧醫療、智慧城市、物聯網等領域的具體解決方案。

第四部分 拓展（第8~9章）
概述了聯邦學習的形態、聯邦學習系統架構、當前面臨的挑戰等，並探討了聯邦學習的發展前景和趨勢。 

前言
第一部分　基礎
第1章　聯邦學習的前世今生2
1.1　聯邦學習的由來2
1.2　聯邦學習的發展歷程3
1.3　聯邦學習的規範與標準8
1.4　聯邦學習的社區與生態9
1.5　本章小結10
第2章　全面認識聯邦學習11
2.1　什麼是聯邦學習11
2.2　聯邦學習的架構思想12
2.3　聯邦學習的應用場景14
2.4　聯邦學習的優勢與前景15
2.5　本章小結16

第二部分　原理
第3章　聯邦學習的工作原理18
3.1　聯邦學習的計算環境18
3.1.1　可信執行環境18
3.1.2　無可信計算環境22
3.2　聯邦學習的演算法23
3.2.1　中心聯邦優化演算法24
3.2.2　聯邦機器學習演算法25
3.2.3　聯邦深度學習演算法28
3.3　聯邦學習的運算元29
3.3.1　聯邦學習資料預處理運算元30
3.3.2　聯邦學習模型訓練運算元34
3.4　本章小結49
第4章　聯邦學習的加密機制50
4.1　聯邦學習的安全問題50
4.1.1　模型完整性問題50
4.1.2　模型可用性問題51
4.1.3　模型機密性問題52
4.1.4　問題總結53
4.2　聯邦學習的加密方式53
4.2.1　同態加密53
4.2.2　差分隱私55
4.2.3　安全多方計算57
4.2.4　國密SM2演算法58
4.2.5　國密SM4演算法60
4.2.6　Deffie-Hellman演算法61
4.2.7　混合加密61
4.3　本章小結63
第5章　聯邦學習的激勵機制64
5.1　資料貢獻評估65
5.2　資料貢獻與激勵支付的關係66
5.3　參與方貢獻效益評估67
5.4　參與方貢獻效益與激勵支付的關係68
5.5　計算和通信消耗評估68
5.6　計算消耗、通信消耗和激勵支付的關係69
5.7　本章小結70

第三部分　實戰
第6章　聯邦學習開發實踐72
6.1　聯邦學習開源框架部署：PySyft72
6.1.1　PySyft基本介紹72
6.1.2　開發環境準備與搭建72
6.1.3　PySyft安裝指南75
6.1.4　開發前的準備76
6.1.5　PySyft測試樣例76
6.1.6　實操：分散式聯邦學習部署87
6.2　聯邦學習開源框架部署：TFF93
6.2.1　TFF基本介紹93
6.2.2　開發環境準備與搭建94
6.2.3　TFF安裝指南94
6.2.4　開發前的準備95
6.2.5　TFF測試樣例95
6.3　聯邦學習開源框架部署：CrypTen100
6.3.1　CrypTen基本介紹100
6.3.2　開發環境準備與搭建100
6.3.3　CrypTen安裝指南101
6.3.4　開發前的準備101
6.3.5　CrypTen測試樣例102
6.4　本章小結111
第7章　聯邦學習的行業解決方案112
7.1　聯邦學習+智慧金融112
7.1.1　聯邦學習+銀行112
7.1.2　聯邦學習+保險121
7.1.3　聯邦學習+投資125
7.2　聯邦學習+智慧醫療128
7.2.1　聯邦學習+醫療影像診斷128
7.2.2　聯邦學習+疾病風險預測130
7.2.3　聯邦學習+藥物挖掘133
7.2.4　聯邦學習+醫護資源配置135
7.3　聯邦學習+智慧城市137
7.3.1　聯邦學習+零售137
7.3.2　聯邦學習+交通140
7.3.3　聯邦學習+物流141
7.3.4　聯邦學習+政府143
7.3.5　聯邦學習+安防146
7.4　聯邦學習+物聯網148
7.4.1　聯邦學習+車聯網148
7.4.2　聯邦學習+智能家居150
7.4.3　聯邦學習+可穿戴設備153
7.4.4　聯邦學習+機器人155
7.5　本章小結160

第四部分　拓展
第8章　聯邦學習的延伸162
8.1　聯邦學習的佈局162
8.1.1　Google的聯邦學習162
8.1.2　Facebook的聯邦學習166
8.1.3　聯邦智能167
8.1.4　共用智能169
8.1.5　知識聯邦172
8.1.6　異構聯邦177
8.1.7　聯邦學習方案對比178
8.2　聯邦學習系統框架179
8.2.1　工業級聯邦學習系統179
8.2.2　企業級聯邦學習系統181
8.2.3　實驗開發級聯邦學習系統181
8.3　本章小結183
第9章　聯邦學習的挑戰、趨勢和展望184
9.1　聯邦學習應對的挑戰184
9.2　聯邦學習的趨勢和展望187
9.3　本章小結189

王健宗（博士）
某大型金融集團科技公司聯邦學習團隊負責人、高級工程師。
中國電腦學會大資料專家委員會委員、傑出會員，中國電腦學會青年電腦科技論壇（YOCSEF深圳）優秀AC委員。深圳市領軍人才，美國佛羅里達大學人工智慧博士後。
 
長期從事聯邦智慧隱私計算技術研發和平臺搭建工作，發表聯邦學習、深度學習、雲計算、大資料等領域國際論文50餘篇，獲得專利100余項。著有《深入理解AutoML和AutoDL：構建自動化機器學習與深度學習平臺》《金融智慧：AI如何為銀行、保險、證券業賦能》等書，同時還是多屆國內外知名人工智慧、大資料行業會議出品人。
 
李澤遠
某大型金融集團科技公司高級人工智慧產品經理，中國電腦學會會員，中國電腦學會青年電腦科技論壇（YOCSEF深圳）AC委員。長期負責AI技術類的產品生態搭建與實施推進，曾參與完成聯邦學習、生物鑒權技術在金融領域平臺型產品中的設計與落地投產，在全週期項目中積累有豐富的實戰經驗。
 
何安珣
某大型金融集團科技公司高級演算法工程師，中國電腦學會會員，中國電腦學會青年電腦科技論壇（YOCSEF深圳）委員。擁有豐富的金融人工智慧從業經驗，主要研究金融智慧系統框架搭建、演算法研究和模型融合技術等，致力於推動金融智慧的落地應用與價值創造。