Bài báo này cung cấp một cái nhìn tổng quan ngắn gọn nhưng toàn diện về Học liên bang (FL), một mô hình mới nổi trong 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 đào tạo một mô hình toàn cầu được chia sẻ mà không cần tập trung dữ liệu nhạy cảm. Phương pháp tiếp cận phân tán này giải quyết những lo ngại ngày càng tăng về quyền riêng tư, bảo mật và tuân thủ dữ liệu, khiến nó đặc biệt hấp dẫn trong các lĩnh vực như chăm sóc sức khỏe, tài chính và hệ thống IoT thông minh. Bắt đầu với kiến trúc cốt lõi và giao thức truyền thông của Học liên bang, bài báo thảo luận về những thách thức kỹ thuật chính, bao gồm vòng đời FL tiêu chuẩn (bao gồm đào tạo cục bộ, tổng hợp mô hình và cập nhật toàn cầu), xử lý dữ liệu phân tán giống hệt nhau (IID) không độc lập, 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 xem xét các xu hướng mới nổi trong nghiên cứu FL, bao gồm FL cá nhân hóa, thiết bị-đến-thiết bị so với cài đặt trong thế giới 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.
