联邦学习（FL）是一种机器学习技术，它使多个分散的组织在不暴露本地数据样本的情况下训练一个模型。在联邦学习训练过程中，参与者之间也会交换大量的加密信息，以汇总形成全局模型。由于消息的重要性，以及对实时性和顺序性的要求，它带来了一些传输上的挑战。 在本演讲环节，我们将探讨如何用Apache Pulsar项目解决上述挑战，并详细介绍在流行的联邦学习项目FATE(https://github.com/FederatedAI/FATE)中如何使用Pulsar做联合训练。

讲师:

陈家豪，VMware研发工程师，专注于联邦学习、容器、网络和分布式技术的研究。在VMware任职期间主导或参与完成了多个平台级项目的构建，同时也是多个开源项目（FATE、KubeFlow）的活跃贡献者。擅长虚拟化、云计算和区块链等技术。