联邦学习过程中，各参与方的的原始数据上传到中央服务器进行集中训练。A. 对B. 错

本题考查联邦学习的基本概念和工作原理。解题思路是明确联邦学习的核心特点，将其与题目中描述的过程进行对比，从而判断对错。

联邦学习的核心特点是数据不出本地，各参与方在本地进行模型训练，然后将训练好的模型参数上传到中央服务器进行聚合，而不是将原始数据上传到中央服务器进行集中训练。

下面详细说明：

• 传统的集中式机器学习需要将所有数据集中到一个服务器上进行训练，这可能会涉及到数据隐私和安全问题。
• 而联邦学习为了解决这些问题，采用了分布式的方式。各参与方（如不同的机构、设备等）拥有各自的数据集，他们在本地使用自己的数据对模型进行训练，得到模型的参数。
• 之后，各参与方将这些模型参数上传到中央服务器，中央服务器对这些参数进行聚合，更新全局模型。
• 最后，中央服务器将更新后的全局模型再下发给各参与方，各参与方使用新的全局模型继续在本地进行训练。

所以题目中说各参与方的原始数据上传到中央服务器进行集中训练是错误的。