聯邦學習（Federated Learning）是讓資料留在本地端、只交換模型更新來共同訓練AI；同態加密（Homomorphic Encryption）則是讓資料在加密狀態下也能被計算，運算方看不到原始內容。這是 iPAS AI應用規劃師考試中常見的隱私保護技術混淆題，這篇用漫畫圖解＋銀行情境例子，帶你 3 分鐘分清楚兩者的差異。
聯邦學習 vs 同態加密
兩個都在「保護資料」，但保護的方法完全不一樣！
🎬 第一幕：公司有機密資料，但又想用 AI
不能被別人看到！」
個資、醫療、金融、企業機密
從這些資料學習！」
資料不能亂集中
「資料加密後也能算！」
「資料留在你家！」
🔍 先用一句話分清楚
🔐 同態加密 Homomorphic Encryption
「資料先鎖起來，鎖著也可以計算。」
資料被加密後，外部計算者不需要看到原始資料，仍可在密文上進行特定運算，最後再解密得到結果。
密文上運算 資料加密 看不到原文🤝 聯邦學習 Federated Learning
「資料不要搬家，模型自己去各地學。」
資料留在各個裝置或機構本地，只交換模型更新／參數等資訊，再由協調端整合，形成共同模型。
資料留在本地 分散式學習 交換模型更新🎭 第二幕：用「銀行」漫畫秒懂
🔐 同態加密：資料「鎖起來再算」
客戶交易資料
變成密文
看不到原文也能運算
得到結果
👉 核心問題是：「資料本身如何被保護？」
🤝 聯邦學習：資料「留在各家」
資料留在 A
資料留在 B
本地學習
共享學習成果
👉 核心問題是：「資料如何不用集中也能一起訓練？」
🏢 第三幕：套進你的能源管理情境
假設有 100 棟大樓，都想一起建立「能源異常偵測 AI」。
🔐 如果用同態加密
各大樓的能源資料可以先加密，再讓運算端對密文進行特定計算。
重點：「資料被加密後，仍能進行計算。」
🤝 如果用聯邦學習
100 棟大樓不用把完整能源資料全部上傳到中央。各自利用本地資料訓練，再把模型更新回傳整合。
重點：「原始資料留在各大樓。」
🥊 第四幕：兩位高手正面對決
| 比較 | 🔐 同態加密 | 🤝 聯邦學習 |
|---|---|---|
| 主要概念 | 加密後仍可進行計算 | 資料分散在本地進行模型訓練 |
| 保護重點 | 保護「資料內容」不被直接看見 | 避免「原始資料集中到中央」 |
| 資料在哪？ | 可被加密後交給計算端處理 | 原始資料留在本地 |
| 交換什麼？ | 密文與運算結果等 | 模型更新／參數等 |
| 核心關鍵字 | 🔒「密文也能算」 | 🏠「資料不出門」 |
🧠 iPAS 考試超強記憶法
看到「加密後仍可運算」 → 想到 同態加密。
看到「資料留在各端、只共享模型更新」 → 想到 聯邦學習。
🎯 超短口訣：
「同態是保護資料內容；聯邦是避免資料集中。」
🎯 iPAS 小測驗
Q1：某公司希望雲端伺服器在「看不到原始資料」的情況下，仍能對加密資料進行計算。最符合哪個概念？
關鍵字是「加密後仍可運算」。
Q2：多家醫院希望共同訓練 AI，但病患資料不能集中到同一台伺服器。最符合哪個概念？
關鍵字是「資料留在各醫院，在本地訓練，再共享模型更新」。
📌 考前最後一張小抄
| 你看到的題目關鍵字 | 答案 |
|---|---|
| 「密文上直接進行運算」 | 🔐 同態加密 |
| 「加密資料仍可以計算」 | 🔐 同態加密 |
| 「資料留在裝置／醫院／銀行」 | 🤝 聯邦學習 |
| 「各端訓練、共享模型更新」 | 🤝 聯邦學習 |
| 「避免原始資料集中」 | 🤝 聯邦學習 |
⭐ 最後記住：
「同態加密＝資料鎖著算」
「聯邦學習＝資料分開學」
常見問題 FAQ
聯邦學習（Federated Learning）是什麼？
聯邦學習是一種分散式訓練方式，資料留在各個裝置或機構本地（例如各家醫院、各台手機），不會被集中上傳到中央伺服器。訓練時只交換模型參數或模型更新，再由協調端整合成一個共同模型。核心問題是「資料如何不用集中也能一起訓練？」
同態加密（Homomorphic Encryption）是什麼？
同態加密是一種加密技術，資料被加密成密文後，運算方不需要解密、也看不到原始內容，就能直接對密文進行特定計算，最後再由資料擁有者解密取得結果。核心問題是「資料本身要如何被保護，同時還能被計算？」
聯邦學習和同態加密要怎麼快速分辨？
記住一句話：「同態加密是鎖著算，聯邦學習是分開學。」看到「加密後仍可運算、密文計算」就是同態加密；看到「資料留在本地、只共享模型更新、避免資料集中」就是聯邦學習。
iPAS AI應用規劃師考試會怎麼考這個觀念？
常見題型會描述一個情境，要求判斷是哪種技術。如果情境強調「雲端在看不到原始資料的情況下仍能計算」，答案通常是同態加密；如果情境強調「多個機構／裝置的資料不能集中到同一台伺服器，只共享訓練成果」，答案通常是聯邦學習。要注意：聯邦學習本身不保證資料完全不會外洩，實務上常搭配差分隱私、安全聚合等技術加強保護。
想進一步掌握AI模型維運與風險管理的相關概念，可以搭配 資料漂移和概念漂移差在哪裡？、機器學習是什麼？監督式、非監督式、強化學習差在哪裡？ 與 企業導入生成式AI要注意什麼？評估與風險管理整理 一起複習，建立完整的AI應用規劃師知識體系，為 iPAS AI應用規劃師初級考試做好準備。
