联邦学习技术今天已经成为保证隐私保护、数据安全合规的重要技术手段。特别是在金融支付领域，人们已经在积极探索应用联邦学习技术去保护商业机密、用户隐私以及满足监管和合规要求的可能性。 但作为一门新技术，联邦学习还不够成熟；其适用的场景，以及每个场景中相应所面临的安全问题以及局限性，还有待梳理。为此，本文介绍联邦学习的基本底层机制，梳理其发展源流，并就其中涉及的各种质量与安全问题、落地应用注意事项提出具体建议。特别地，本文区分了各种威胁模型下的数据安全需求，以及提出应对数据投毒和模型投毒需要结合使用可信计算技术。
