联邦学习（federated learning）是一种分布式机器学习方法，其支持大语料库分散数据上的模型训练。基于TensorFlow，研究者为移动设备领域的联邦学习构建了一种可扩展产品系统（scalable production system）。在本篇论文《TOWARDS FEDERATED LEARNING AT SCALE: SYSTEM DESIGN》中，研究者描述了最终的高层级设计，提出了所面临的的挑战及相应的解决方案，谈及了开放性问题和未来发展方向。