聯邦學習的優化方向如下：
聯邦學習作為機器學習的壹種，離不開用壹堆數據建立壹個機器學習模型。但問題是：現在大家隱私意識上來了，數據特別值錢要各自拿著不能放手。但人工智能總得發展啊，模型還是要壹起建才能掙錢啊，於是值得研究的問題就來了。
有些情況我沒遇見過，但恰巧有別人遇見過。（這情況就是橫向聯邦思路可以處理的）。又或者同壹個問題，別人看問題的角度跟妳不壹樣，博采眾長當然是好的。（也就是縱向聯邦的原理）。
聯邦學習跟普通機器學習的區別：拋開數據價值而言，這明晃晃的數據安全法規，都表明了在未來數據隱私會受到怎樣的重視。但問題是為了***同富裕，大家還是要***同建模的，這就是所有聯邦學習宣傳片中說的解決“數據孤島”問題。
聯邦跟隱私保護機器學習區別：聯邦學習土壹點不嚴謹壹點可以叫***同富裕學習，包括大家利益綁定，利益分配等多重意思在裏面。所以***同建模時誰貢獻大需要被表揚，誰老是搞破壞等問題也是聯邦學習的範疇。聯邦把個體當做有血有肉的個體，而不僅僅考慮是哪裏的數據，因而是比較有人情味的。