上周三摸鱼刷饿了么，刚输入”芋泥”俩字，首页直接弹了我常去那家巷口奶茶店的三分糖啵啵满减券。
搁以前我铁定骂一句”又偷我浏览记录”，结果同组做算法的小哥凑过来瞥了一眼，说这事儿跟你想的真不一样——这是联邦学习在干活。
我当时第一反应是啥？
哦，又是那种听不懂的技术黑话，又要拿出来忽悠人了？
你以为的”偷数据”，其实人家连你手机里存了啥都不知道
搁三年前，平台要给你推精准的奶茶券，逻辑特别简单：把你所有的浏览记录、下单地址、消费金额全打包传到云端大服务器里，攒上几百万用户的行为数据，训出来一个大模型，对着你的画像一匹配，该推啥券门儿清。但这套玩法现在走不通了啊——隐私合规要求摆那呢，谁也不能随便把用户手机里的信息往自己服务器上搬，真查到了，罚款能罚到母公司哭。
那怎么既不碰你的隐私数据，又能把推荐做准？
说穿了特别简单：以前是把数据凑到一块训模型，现在是把模型拆成碎块，塞到你自己的手机里跑。
就拿那个巷口奶茶店举例子，老板想搞个线上满减活动，以前得挨个打电话问老顾客”你最近爱喝啥口味”，问多了顾客烦，还觉得你在打探隐私。现在的玩法是，老板把一个初始的口味预测模型，推送到所有点过他家奶茶的顾客手机里。你每次打开外卖软件搜芋泥、点三分糖、备注不要珍珠，这些全在你自己手机本地，喂给这个小模型练，练完之后，模型只会把”我当前学到的偏好参数”——比如”偏好低甜度、糯小料、不喜欢珍珠”这种抽象的数值，加密之后传到奶茶店的总服务器里。没人能从这些加密参数里，扒出来你上周三刚在他家买了15块钱的啵啵奶茶，更不知道你家住在哪个小区。
说个更贴的类比：你们小区要办邻里美食节，以前是物业挨家挨户敲门，把每家冰箱里存了啥菜、平时爱做啥口味的菜全记下来，贴在公告栏里统计。现在是每家自己在家写个小卡片，只写”我家爱吃辣、不爱吃香菜、擅长做卤味”，不写门牌号，不写具体买了啥牌子的辣椒，把这些卡片凑到物业那里，拼出来整个小区的美食偏好，谁也不知道谁家具体啥情况。
别吹得太神，联邦学习根本不是什么”万能隐私解药”
我之前刷到好多卖概念的文章，把联邦学习吹得跟铜墙铁壁似的，说只要上了这个技术，用户数据绝对安全，半毛钱都不会泄露。
拉倒吧。
之前有安全团队做过测试，哪怕传的是端到端加密的模型参数，只要有人恶意盯着参数的波动曲线分析，还是能大概摸出来你本地模型学了啥。比如你刚在本地模型里输入了”最近在找靠谱的牙科诊所”，哪怕参数是加密的，恶意的接收方顺着参数的偏移方向，还是能猜个八九不离十。说白了，它就是给隐私加了层加厚的磨砂玻璃，不是全封闭的保险箱。
之前碰到个创业公司的老板，张口闭口要把自己的产品全换成联邦学习架构，我问他你知道联邦学习要占多少手机本地算力不？他愣了三秒，说不知道，反正概念火，拿去找融资好讲故事。
这种最烦。
好好的技术，被一帮人吹成万能解药，最后真落地的时候，用户发现该偷的数据还是偷，该弹的广告还是弹，反而对这个技术本身也没了信任。
其实联邦学习从诞生那天起，就没说过自己要解决所有隐私问题。最早是谷歌2016年想给安卓手机的输入法做联想功能，以前的输入法要把你打的所有字全传到云端，那谁愿意啊？你大半夜跟对象发的情话，跟同事吐槽老板的牢骚，全传到云上，想想都后背发凉。所以谷歌最早搞的那套，就是让输入法的联想模型在你手机本地跑，每次只把加密的参数传到云端攒总模型，慢慢把联想词做准。你现在打”今天不”，输入法自动蹦”上班”，说不定就有这套机制的功劳。
你平时能碰到的联邦学习，远不止奶茶推荐
别觉得这技术离你远，现在好多你天天用的APP，背后都有联邦学习的影子。
比如你用的修图APP，以前要把你拍的原片传到云端，才能给你做AI磨皮、调肤色，现在好多APP把修图模型塞到你手机本地，靠联邦学习不停把模型优化得更适配你的拍照习惯——上次我拍了一堆没化妆的前置照片，用修图APP磨皮，居然一点都没提示要上传原片，磨完的效果还比以前自然，我当时还纳闷呢，后来才反应过来这就是本地联邦模型的功劳。
还有你刷短视频的时候，为什么有时候你刚跟朋友线下聊了两句”最近想养柯基”，打开APP就刷到一堆柯基的视频？搁以前铁定是麦克风在偷听你说话，现在好多平台的推荐系统，已经开始用联邦学习攒用户的偏好标签了——说白了，就是模型在你本地学你爱看啥，只传加密的偏好参数，根本不用偷摸录你麦克风的内容。当然，该做的合规检查还是得做，但至少这条路是真的能让平台不靠偷你隐私，也能把推荐做准的。
说实话，我之前对这些技术概念特别抵触，总觉得都是大厂用来割韭菜、偷用户数据的幌子。但接触久了才发现，好多技术的出发点真的是想在”让你用得爽”和”不越界碰你隐私”之间找个平衡点。
哪有什么绝对的好技术。
就像你买的三分糖奶茶，有人觉得刚好，有人觉得太淡。联邦学习也一样，它不是什么能解决所有隐私问题的神药，但至少现在，它是真的在把”你的数据属于你”这句话，从空洞的口号，落到你刷外卖、打输入法、修照片的日常里。