一家跨國醫療研究機構希望利用各地醫院的病患資料，建立一個能夠預測疾病早期風險的機器學習模型。由於各國法規限制，病患的原始資料無法集中到單一伺服器。在此情境下，下列哪一種方法最能同時滿足「各醫院保留資料不外流」與「模型仍能跨院學習」的需求？
iPAS 考題解析
一家跨國醫療研究機構希望利用各地醫院的病患資料，建立一個能夠預測疾病早期風險的機器學習模型。由於各國法規限制，病患的原始資料無法集中到單一伺服器。在此情境下，下列哪一種方法最能同時滿足「各醫院保留資料不外流」與「模型仍能跨院學習」的需求？
- A. 資料匿名化（Data Anonymization）；
- B. 差分隱私（Differential Privacy）；
- C. 聯邦學習（Federated Learning）； ✓ 正確答案
- D. 交叉驗證（Cross-validation）
詳細解析
聯邦學習（Federated Learning）讓各醫院在本地訓練模型，只分享模型參數（Model Parameters）而非原始資料，同時滿足資料不外流與跨院學習。
難度：★★☆