Split Learning（拆分学习）

拆分学习（Split Learning）将模型按层切分，客户端计算前几层并传输中间激活值给服务器，服务器计算剩余层并反向传播梯度。原始数据不出本地，仅交换中间表示，降低隐私泄露风险。与联邦学习相比，拆分学习对客户端算力要求更低，但通信开销较大。适用于医疗、金融等对隐私敏感的跨机构协作场景。