ITU-T Recommendations

联邦机器学习（FML）是一个新兴的分布式框架，支持跨分布式和分散式数据集的协作机器学习（ML）和模型构建。FML服务具有独特的功能，例如计算中数据的位置，以及不可见的数据可用性。它允许参与者在不共享原始数据的情况下联合训练ML模型，这可以在技术上打破数据隔离，促进数据所有者之间的合作。
FML服务涉及多个参与者，由于其众多的影响因素，这些参与者通常对ML模型训练任务做出不同的贡献。一个有效和可信的FML服务贡献评估机制对于提高相关各方的参与度和促进FML服务的可持续发展至关重要。
ITU-T F.748.24建议书介绍了一种用于FML服务的可信贡献评估服务，该服务结合并利用了FML和分布式账本技术（DLT）的功能，提供了相关的概念、特征、要求和用例，并指定了相关的参考框架和通用功能。