联邦学习与多站点排名模型：在隐私保护中优化百度搜索

联邦学习允许每个站点在本地训练自己的排名模型，仅将模型参数（而非原始数⭐据）上传到中央服务器进行聚合

例如，不同行业的站点可能拥有差异化的用户搜索习惯，通过联邦学习，模型可以捕捉到跨站点的通用排名信号，同时每个站点的敏感数据始终保留在本地

常见的方法是使用梯度压缩、量化或减少通信轮次，同时保证模型精度

陈姵芝

隐私预算控制 ：当采用差分隐▶️私时，需要平衡隐私保护强度与模型性能