Bài báo này cung cấp tổng quan toàn diện về Học liên bang (FL), một mô hình đổi mới trong lĩnh vực học máy phân tán. Học liên bang cho phép nhiều máy khách, chẳng hạn như thiết bị di động, nút biên hoặc tổ chức, cùng nhau học một mô hình toàn cầu được chia sẻ mà không cần tập trung dữ liệu nhạy cảm. Cách tiếp cận phi tập trung này đặc biệt hấp dẫn trong các lĩnh vực như chăm sóc sức khỏe, tài chính và hệ thống IoT thông minh, vì nó giải quyết các mối quan ngại ngày càng tăng về quyền riêng tư, bảo mật và tuân thủ dữ liệu. Bắt đầu từ kiến trúc cốt lõi và giao thức truyền thông của Học liên bang, chúng tôi thảo luận về các thách thức kỹ thuật chính như vòng đời FL tiêu chuẩn (bao gồm học cục bộ, tổng hợp mô hình và cập nhật toàn cầu), xử lý dữ liệu không phải IID (không độc lập và không phân tán giống hệt nhau), giảm thiểu tính không đồng nhất của hệ thống và phần cứng, giảm chi phí truyền thông và đảm bảo quyền riêng tư thông qua các cơ chế như quyền riêng tư khác biệt và tổng hợp an toàn. Chúng tôi cũng nghiên cứu các xu hướng mới nổi trong nghiên cứu FL, bao gồm FL được cá nhân hóa, cài đặt đa thiết bị so với đa thời gian thực, tích hợp với các mô hình khác như học tăng cường và điện toán lượng tử, tóm tắt các tập dữ liệu chuẩn và số liệu đánh giá thường được sử dụng trong các ứng dụng thực tế và nghiên cứu FL, đồng thời đề xuất các vấn đề nghiên cứu mở và hướng đi trong tương lai để phát triển các hệ thống FL có khả năng mở rộng, hiệu quả và đáng tin cậy.
