decentralized training（去中心化训练）

去中心化训练允许多个参与方在不共享原始数据的情况下共同训练模型，从而保护隐私并遵守数据法规。主要技术包括联邦学习（FedAvg）、分布式共识和梯度压缩。节点间通过安全聚合、差分隐私和同态加密来增强安全性。挑战包括通信开销、异构设备、非独立同分布数据以及拜占庭攻击。该领域与区块链结合可进一步去中心化信任。应用场景包括移动键盘预测、医疗影像分析和物联网。