ITU-T Recommendations

联邦机器学习（FML）是一种新兴的分布式机器学习范式，它在确保数据安全和法律合规性的基础上，从大量分布式数据集中实现协作模型训练、学习、利用和构建。在FML中，计算发生在数据存在的地方，尽管数据可用，但数据计算和数据都不可见。基于FML的服务在分布式或去中心化环境中执行时，在信任方面存在一些挑战。所有挑战通常都是由于对基于FML的服务的多个参与者缺乏信任带来的，通常产生于模型训练和利用过程中，例如数据索引、数据计算、参数交换等。需要特定的功能组件来增强基于FML的服务的可信度，例如增强数据集索引、数据计算、参数交换和模型利用。分布式账本技术（DLT）系统是一种可信的共享数据系统，也可用于存储基于FML的服务数据。基于FML的服务可以利用FML与这些组件之间的融合，特别有助于解决基于FML的服务与信任相关的挑战。ITU-T F.748.35建议书提供了可信的基于FML的业务，并规定了其概念、一般特性和要求以及参考框架。