联邦学习（Federated Learning，FELE）是一种打破数据孤岛、释放 AI 应用潜能的分布式机器学习技术，能够让联邦学习各参与方在不披露底层数据和底层数据加密（混淆）形态的前提下，通过交换加密的 机器学习 中间结果，实现联合建模。联邦学习兼顾 AI 应用与隐私保护，开放合作，协同性高，充分释放大数据生产力，广泛适用于金融、消费互联网等行业的业务创新场景。
联邦学习主要包括以下功能：
模型训练服务：联邦学习各参与方在合法合规前提下，共同完成总体模型训练，且训练出的模型最终能达到汇集多方数据进行 联合建模 的效果。
模型调用服务：将联邦学习框架下训练的模型接入生产环境，通过 API 接口提供模型调用服务，以及模型调用过程中的运行效果监测、模型迭代升级等运维服务。
银行风控场景，例如银行零售信贷、信用卡等个人金融业务的贷前审批和贷中风控场景。
消费金融行业和持牌机构消费金融公司及持牌互联网金融平台，个人信贷业务的贷前审批和贷中风控场景。
消费互联网行业以智能终端（如 Android 手机、平板、IoT 设备）为计算节点的，保护用户隐私信息为目的的各种场景。
其他行业精准营销场景，通过联合建模进行客群画像分析和精准投放。