大数据联邦学习架构师岗位招聘考试试卷及答案

大数据联邦学习架构师岗位招聘考试试卷及答案一、填空题（每题1分，共10分）1.联邦学习按数据分布可分为横向联邦学习、纵向联邦学习和__________。2.横向联邦学习的核心特点是__________不同、特征空间重叠。3.纵向联邦学习中实现隐私保护样本对齐的关键技术是__________。4.联邦平均算法（FedAvg）是__________联邦学习的经典算法。5.联邦学习架构的三大核心组件包括客户端、服务器和__________。6.常用的隐私保护技术中，允许对加密数据直接计算的是__________。7.横向联邦学习常见的应用场景是__________（举1例）。8.纵向联邦学习常见的应用场景是__________（举1例）。9.联邦学习的核心目标之一是实现__________（数据不出本地）的联合建模。10.安全多方计算（MPC）的核心是在不暴露原始数据的前提下实现__________。二、单项选择题（每题2分，共20分）1.以下属于横向联邦学习场景的是（）A.电商平台联合推荐B.银行与征信机构联合风控C.医院与药企联合药物研发D.工业设备跨厂故障预测2.FedAvg算法的核心步骤不包括（）A.客户端本地训练B.服务器聚合梯度C.客户端上传原始数据D.服务器下发更新模型3.PSI的全称是（）A.PrivacySetIntersectionB.PrivateSecureInteractionC.SamplePairingInterfaceD.FeatureAlignmentProtocol4.以下哪种技术不属于联邦学习隐私保护（）A.差分隐私B.同态加密C.明文传输D.安全多方计算5.纵向联邦学习中，客户端之间（）A.可以直接交换原始数据B.需通过服务器协调交互C.无需任何交互D.仅交换标签数据6.联邦迁移学习适用于（）A.样本和特征都重叠B.样本和特征都不重叠C.样本重叠特征不重叠D.特征重叠样本不重叠7.以下哪个是横向联邦学习的典型算法（）A.FedProxB.FedAvgC.FedTreeD.SecureBoost8.联邦学习中，服务器的主要职责不包括（）A.聚合模型参数B.协调客户端通信C.存储原始数据D.下发更新模型9.差分隐私的核心是通过添加（）保护数据隐私A.加密算法B.噪声C.哈希值D.水印10.以下场景适合联邦学习的是（）A.单机构数据充足B.多机构数据隐私敏感C.数据集中存储D.计算资源集中三、多项选择题（每题2分，共20分）1.联邦学习的核心技术包括（）A.差分隐私B.同态加密C.安全多方计算D.隐私集合交集（PSI）2.横向联邦学习的特点有（）A.样本空间不同B.特征空间重叠C.无需样本对齐D.数据分布可能存在差异3.纵向联邦学习的关键步骤包括（）A.样本对齐（PSI）B.特征加密C.模型聚合D.原始数据交换4.联邦学习的应用领域包括（）A.金融风控B.医疗诊断C.推荐系统D.工业预测5.以下属于联邦学习算法的是（）A.FedAvgB.FedProxC.SecureBoostD.XGBoost6.联邦学习中隐私保护的目标是（）A.数据不出本地B.不泄露原始数据C.不泄露模型中间结果D.不影响模型性能7.安全多方计算（MPC）的应用场景包括（）A.隐私集合交集B.联合统计C.加密模型训练D.原始数据传输8.横向联邦学习的常见问题包括（）A.数据异质性B.通信overheadC.样本对齐困难D.隐私泄露风险9.纵向联邦学习中，客户端的职责包括（）A.本地数据预处理B.参与模型训练C.上传加密参数D.存储所有机构数据10.联邦学习与传统集中式学习的区别是（）A.数据分布方式不同B.隐私保护能力不同C.计算资源使用不同D.模型效果完全相同四、判断题（每题2分，共20分）1.联邦学习中，所有客户端数据都需要上传到中央服务器。（）2.横向联邦学习不需要进行样本对齐。（）3.纵向联邦学习中，PSI可实现隐私保护下的样本匹配。（）4.FedAvg仅适用于横向联邦学习。（）5.同态加密允许对加密数据直接进行加减乘除运算。（）6.联邦学习的模型效果一定优于集中式学习。（）7.安全多方计算（MPC）需要依赖可信第三方。（）8.差分隐私通过添加噪声降低数据的可识别性。（）9.联邦迁移学习适用于样本和特征都不重叠的场景。（）10.联邦学习中，客户端可以直接获得其他客户端的原始数据。（）五、简答题（每题5分，共20分）1.简述横向联邦学习与纵向联邦学习的核心区别。2.联邦学习中常用的隐私保护技术有哪些？各举1个应用场景。3.简述FedAvg算法的基本流程。4.联邦学习架构中，客户端与服务器的主要职责分别是什么？六、讨论题（每题5分，共10分）1.如何有效降低联邦学习中的通信开销？2.联邦学习在医疗领域应用时，需重点关注哪些隐私与合规问题？---答案部分一、填空题答案1.联邦迁移学习2.样本空间3.隐私集合交集（PSI）4.横向5.通信协议6.同态加密7.电商推荐（或用户画像等合理答案）8.金融风控（或医疗联合诊断等合理答案）9.数据不出本地10.多方联合计算二、单项选择题答案1.A2.C3.A4.C5.B6.B7.B8.C9.B10.B三、多项选择题答案1.ABCD2.ABD3.ABC4.ABCD5.ABC6.ABC7.ABC8.ABD9.ABC10.ABC四、判断题答案1.×2.√3.√4.√5.√6.×7.×8.√9.√10.×五、简答题答案1.核心区别：①样本/特征维度：横向联邦样本空间不同、特征重叠；纵向联邦样本重叠、特征不同。②应用场景：横向多用于用户端（如推荐）；纵向多用于机构间（如银行+征信）。③核心步骤：横向无需样本对齐；纵向需PSI对齐。④算法侧重：横向经典FedAvg；纵向经典SecureBoost。2.常用技术及场景：①差分隐私：医疗数据统计（加噪声保护患者信息）；②同态加密：金融联合计算（加密后算信用分）；③MPC：联合风控（多方算违约率不暴露原始数据）；④PSI：医疗样本对齐（医院与药企匹配患者不泄露身份）。3.FedAvg流程：①客户端本地训练k轮得参数；②上传参数至服务器；③服务器加权平均参数；④下发聚合参数；⑤客户端用新参数继续训练，循环至收敛。4.职责：客户端：本地数据预处理、训练、加密上传参数、接收更新模型；服务器：协调通信、聚合参数、下发更新、监控进度。六、讨论题答案1.降低通信开销方法：①梯度压缩：稀疏化（传Top-k梯度）、量化（FP16代替FP32）；②联邦采样：每轮选部分客户端；③本地多轮训练：减少上传次数；④低精度传输：