聯邦式神經解碼

一種訓練範式：多個站點或使用者共同改進一個解碼器，同時將原始神經記錄保留在本地；只交換並合併模型更新。對 BCI 而言此法具吸引力，因為它能匯集跨受試者與跨院所的統計力——對跨受試者基礎模型與罕見病況資料有所助益——而無需集中化高度敏感的記錄。

聯邦化能降低但無法消除洩漏：被分享的梯度仍可能被逆推或遭成員推論，因此通常搭配安全聚合（伺服器只看到更新的總和）與差分隱私。它也承繼了穩健性問題，因為惡意參與者能對共享模型下毒。