在过去的一年里，AI 世界已经进入一个以大模型引领的新的发展阶段。
人们在惊叹大模型的强大能力的同时，也在担忧其训练数据来源合规性、数据使用的偏见性等安全风险隐患。
同样，在行业监管环境越来越规范化、信息安全与隐私数据越来越受重视的背景下，联邦学习研究和应用趋势也逐渐迈向可信联邦学习。
《联邦学习全球研究与应用趋势报告》是一个追踪联邦学习领域动态和进展的非营利性项目。2023年度报告是本系列第三期，旨在更新展示联邦学习科研成果与技术应用的最新动态。
报告主要从技术研究、学者画像、主流框架、行业应用，以及发展趋势几大方面，较为全面深入地介绍联邦学习自2016年诞生以来到2022年的技术研究和应用进展，并展望该技术的未来发展方向与前景。
联邦学习知识树
本报告根据联邦学习的关键技术和相关技术，以及该领域高被引学术论文的研究主题，挖掘出全球活跃的联邦学习重要技术点表征为知识树结构，如图1所示。
图1 联邦学习知识树
报告亮点
1、全球联邦学习论文发布量增长较快
2016-2022年联邦学习相关论文共计6861篇，自2016年联邦学习被提出以来，研究论文数量逐年增多，2019年进入迅猛增长阶段，且年均增长率达38.6%。
图2 联邦学习研究论文趋势（2016-2022年）
2、“中美双雄”引领全球联邦学习发展
中国和美国的联邦学习论文发布量遥遥领先于其他国家。六成以上高被引论文来自中美两国，中美两国论文合作数量也是全球最多；七成以上最佳论文来自中美两国。其中被高引论文数量最多的是谷歌和卡内基梅隆大学，中国则是北京邮电、香港科技、中山大学以及深圳市大数据研究院。
图3 联邦学习高被论文国家分布（2016-2022年）
3. 应用研究热度逐渐上升
行业应用越来越成熟，联邦学习近年来在物联网、边缘计算、医疗保健、数据库、车辆交互以及推荐方面的应用研究热度逐渐上升。
图4 联邦学习在应用方面的研究热点趋势（2016-2022年）
4、国家自然科学基金项目资助分析
根据基金组织官网上的公开数据，获取中国（含大陆、港澳）以及中外地区合作的联邦学习基金项目资助情况。从目前所获取数据的总体情况来看，虽然2016年至2022年间相关基金项目数量趋势略有上升，但是总量较少，共计发现156个联邦学习在各地区的获批基金项目，包括102个国家自然科学基金项目NSFC，26个香港地区的创新及科技基金项目，澳门科学技术发展基金项目FDCT以及国家自然科学基金委员会国际合作项目分别各有14个。
图5 2016-2022年几个国家地区联邦学习相关基金项目获批分布
5、联邦学习框架与系统现状
开源框架主要来自中美，其中OpenMined推出的Pysyft、FATE开源社区的FATE热度超过4000，居于第一梯队；FedML.AI的FedML、Adap的Flower、谷歌的TFF等框架的热度也较高，热度超过2000，且FATE和FedML两个框架目前已推出LLM模块。
图6 联邦学习框架开源趋势图
报告目录
查看完整报告内容，可以点击链接查看。
报告链接：https://lfs.aminer.cn/misc/pdf/FL-Report-23-Chinese.pdf
关于我们—知因
AMiner知因是智谱AI旗下科技文献智能辅助分析与解读平台。
平台以论文、学者和机构等科研大数据为基础，
综合运用大数据、人工智能、云计算等技术手段，
面向政府、企业、科研院所等机构提供全领域技术洞察与趋势分析服务。
想了解更多领域技术情报：
关注AMiner知因（https://vip.aminer.cn/analysis/）定制专题研究报告！