数据留在手机上训练，省的是通信不是隐私

厂商介绍里写“模型在用户手机上联合训练，原始数据不出设备”，背后多半是这篇论文的做法：设备本地训练多轮，服务器只平均模型参数。通信轮数比每步同步梯度少十到百倍，各家数据多少不均也能训。

再看到“数据不出门”的训练宣传，先分清它省下的是什么：是通信成本，不是隐私保障。跨设备训练从传不动变得可行，靠的是本地多训几轮、少传几次这个取舍。

如果证据只来自模拟环境和代理数据集，就别用它推断真实手机上的表现。如果关心的是隐私攻击或恶意更新，论文没处理，别拿它的结论背书。机房里数据集中同分布的场景，本来就用不上它。

《Communication-Efficient Learning of Deep Networks from Decentralized Data》（2016）｜下次复查 2027-09-20