1. 模型設計(Model Design)：超參數優化
   CNN 或 RNN 等。
   防禦模型/資料中毒攻擊(Defense Against ModelData Poisoning Attacks)。
2. 伺服器學習算法(Distributed ML)
   客戶端選擇、處理非-IID（甚至是矛盾的）訓練資料、系統-算法協同設計等。
   • 水平(HFL)
   • 垂直(VFL)
   • 傳輸(FTL)
3. 跨站點通信(Cross site Communication)優化
   減輕網絡延遲、模型/梯度壓縮等的影響。
4. 隱私保護/資料保護(Privacy Preserving/Data Protecting)
   同態加密(HE)、差分隱私 (DP)、安全多方計算 (MPC) 等。
   FL 中內置的MPC 模組可以防止任何 訊息洩露（模型或資料洩露）。
5. 激勵機制(Incentive)
   激勵不同行業的組織、適當的收入分配等。

開源平台和框架

這裡整理一些目前主流的聯邦學習平台及框架：

• 平台(Platform)
  • OpenMined
  • FATE
  • TensorFlow Federated
  • Uber Horovod
  • SingularityNET
  • Algorithmia DanKu
  • Ocean
  • NVIDIA Clara
  • OWKIN Platform
• 框架(Frameworks)
  • Pyshift
  • TensforFlow-Encrypted