联邦学习习题集及答案.docxVIP

联邦学习习题集及答案

一、单项选择题（共10题，每题1分，共10分）

以下哪项是联邦学习的核心设计目标？

A.实现全量数据的集中存储与统一训练

B.在保护数据隐私的前提下，实现多参与方的协同模型训练

C.降低单节点模型训练的计算资源消耗

D.缩短模型推理阶段的响应时间

答案：B

解析：联邦学习诞生的核心背景是解决“数据孤岛”问题，传统集中式训练要求各参与方上传原始数据到中心节点，易引发隐私泄露风险；联邦学习通过让各参与方在本地完成数据计算，仅上传模型参数或梯度等非原始信息，实现隐私保护下的协同训练。选项A是集中式学习的特点，选项C与联邦学习核心目标无关，选项D侧重推理效率，并非训练阶段的目标，因此B正确。

横向联邦学习的核心适用场景是？

A.各参与方拥有的样本重叠度高，但特征空间重叠度低

B.各参与方拥有的样本重叠度低，但特征空间重叠度高

C.各参与方的样本和特征空间重叠度都极低

D.各参与方的样本和特征空间重叠度都极高

答案：B

解析：横向联邦学习也叫样本并行联邦学习，针对的是不同参与方的数据集在特征维度高度重叠（比如都是用户的年龄、性别等特征），但样本个体几乎没有重叠（比如不同地区的用户）的场景，此时可以通过横向联合扩大样本量训练模型。选项A是纵向联邦学习的适用场景，选项C对应联邦迁移学习，选项D不符合联邦学习解决数据孤岛的定位，因此B正确。

联邦学习中，各参与