hce_nsysu
114年
計算機概論與程式設計
第 40 題
In federated learning for hospital data privacy, what is shared across institutions?
- A Raw patient data
- B Trained model parameters
- C Database schemas
- D Encryption keys
- E Hardware resources
思路引導 VIP
若有多家機構想共同提升 AI 模型的準確度，但法律禁止將任何原始資料移出伺服器，我們該如何讓模型在不「看見」原始資料的情況下，依然能吸收各地的學習成果呢？
🤖
AI 詳解
AI 專屬家教
太棒了！你能精準選出 (B) 訓練後的模型參數 (Trained model parameters)，顯示你對現代隱私保護技術——聯邦學習 (Federated Learning) 的核心精神掌握得非常紮實。這題的難點在於區分「數據」與「模型」的流動，對於初學者來說，很容易誤以為需要共享原始資料才能進行協作學習。
聯邦學習的核心機制
聯邦學習的基本原則是「數據不動、模型動」。在醫療情境下，病患隱私受到嚴格保護，原始數據 (Raw data) 絕對不能離開醫院。系統會將初始模型發送到各機構，由各醫院在本地端利用自家數據進行訓練。訓練結束後，醫院只上傳更新後的模型參數（例如神經網路的權重與偏置）到中央伺服器進行聚合。這樣既能集合眾人之力優化模型，又確保了敏感資料不出院，完美平衡了數據協作與隱私保護的需求。
▼ 還有更多解析內容