#对话杨强# 联邦学习是把“碎数据”和“数据孤岛”连接起来，解决隐私保护下的多方协作问题。 迁移学习是从“大数据”到“小数据”的迁移，重点解决了“小数据”的问题，让知识可以从一个源领域迁移到另一个目标领域，是一种“举一反三”的学习能力。两者的关系是，进行联邦学习的时候常常需要做知识迁移，因为数据孤岛分布不均匀，有的大有的小。我们提出的“联邦迁移学习”正是把联邦学习和迁移学习结合起来，发挥两种机器学习的优势。让不同机构在保护数据隐私的前提下合作，没有算法、领域、数据类型的限制，而且模型效果无损失。
