AMiner：2022联邦学习全球研究与应用趋势报告（附下载地址）

“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。高被引论文之中有六成以上是来自中美两国，中美两国论文合作数量也全球最多；杰出论文之中有 45.5%来自美国、31.8%来自中国，中美两国合占达七成以上。
⚫ 联邦学习全球高被引论文领先的机构是谷歌（8 篇）、卡内基·梅隆大学（5 篇）。中国的高被引论文量较多的机构是北京邮电大学（4 篇）、微众银行（3 篇）。杰出论文数量则是美国的卡内基·梅隆大学与中国的香港科技大学各以 3 篇而并列第一。
⚫ 联邦学习领域的全球高被引论文作者主要聚集在中美。美国的高被引论文作者数量最多，占全球一半，也是中国的 2.6 倍。
⚫ 全球专利受理数量以中国地区最多，约占全球受理总量的六成，是在美国受理专利量的 4 倍。专利申请数量前三名机构全部是中国机构。
⚫ 开源框架主要来自中美，其中 OpenMined 推出的 Pysyft 、微众银行的 FATE 和谷歌的 TFF 框架的热度居于全球前三位。
未来联邦学习研究趋势将更多与算法模型和安全隐私技术相关
⚫ 目前联邦学习研究热点主要聚焦在机器学习方法、模型训练、隐私保护三方面。
⚫ 未来几年研究趋势将更多涉及算法模型和安全隐私技术，如数据隐私、深度学习、差分隐私、边缘计算、物联网、云计算、移动设备、同态加密、优化问题、沟通效率等。
⚫ 行业应用越来越成熟，应用研究方向呈现出更多与物联网、区块链、车辆交互、5G/6G等技术融合的态势。