"本书内容已经外聘专家和清华大学党委审读审核通过（清委文[2025]52号）后同意安排出版。

在大数据时代，数据孤岛问题严重阻碍了数据共享与人工智能应用的发展。联邦学习作为一种隐私保护的机器学习范式，允许各机构在不泄露本地数据的前提下协同训练全局模型，有效挖掘分散数据并降低泄露风险，推动了人工智能在各领域的应用。本书全面介绍了联邦学习的核心概念与关键技术，涵盖基础知识、隐私安全、个性化学习、贡献度评估、与大模型的关系、拜占庭问题及实际应用案例。

本书将帮助读者深入理解并掌握联邦学习这一前沿领域的理论与实践，适合作为计算机科学、人工智能和机器学习等专业的教材，也可供大数据和AI应用开发的工程师参考。"