综述文献：A Survey on Federated Learning Systems- Vision, Hype and Reality for Data Privacy and Protection 部分知识整理
文献总结了联邦学习系统的特点和分类。
机器学习算法需要大量数据，单组织数据无法训练高质量模型。由于政策法规（数据保护条例）限制，不同组织的数据隔离，形成数据孤岛（data islands），无法简单共享数据。保护数据隐私同时，开发具有良好预测性能的联邦学习系统是一个挑战。
联邦学习
研究方法论
了解客户辍学的重要性和所采用算法的多样性要求了解趋势和现有问题，以建立知识基础。为了采用系统的文献综述方法，Kitchenham＆Charters（2007）采用了三个阶段的方法：计划，行为和报告，如下图所示：
研究目标是了解机器学习研究的当前状态，以预测合同环境中的辍学情况？在此基础上，确定了五个研究问题，以确定与具有合同设置的客户退出相关的主要方面：
RQ1. What studies have been published?
RQ2. Which algorithms ha
