FederatedML：開啟縱向聯(lián)邦深度學(xué)習(xí)和多種多方安全計算協(xié)議支持之旅
在FATE 1.2版本中，首次對外發(fā)布了縱向聯(lián)邦深度學(xué)習(xí)框架，開啟了FATE對深度學(xué)習(xí)聯(lián)邦化的支持，開發(fā)者可以自定義深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。目前版本已支持Tensorflow, 后續(xù)會推出Pytorch版本，便于開發(fā)者低代價遷移Tensorflow和Pytorch的使用習(xí)慣和經(jīng)驗。
在這一版本中，F(xiàn)ATE實現(xiàn)了SPDZ秘密共享多方安全計算協(xié)議的支持，這意味在現(xiàn)有同態(tài)加密協(xié)議的基礎(chǔ)上，F(xiàn)ATE能為開發(fā)者提供更多樣化的多方安全計算協(xié)議支持。開發(fā)者們可根據(jù)自身算法的特點，自由選擇適合自身算法的多方安全計算協(xié)議，聯(lián)邦學(xué)習(xí)的可應(yīng)用范圍得到進(jìn)一步拓展。值得說明的是，在縱向皮爾遜特征相關(guān)性計算算法實現(xiàn)中，首次使用了SPDZ協(xié)議。
此外，算法性能優(yōu)化方面， 新版本也首次引入二階優(yōu)化算法，提出了縱向SQN算法，并成功應(yīng)用在縱向廣義線性模型中，對算法性能有顯著提升。特征分箱和特征選擇新增對多方host聯(lián)邦建模的支持，開始全方位的支持多host場景。
FATE-Board：兩大可視化支持，實用性再提升
自1.0版本推出FATE-Board以來，這一產(chǎn)品受到了開發(fā)者廣泛好評。而在1.2版本中，F(xiàn)ATE也對FATE-Board再次進(jìn)行了提升，新增了對聯(lián)邦模式下特征相關(guān)性，以及LocalBaseline組件的可視化支持。前者能夠直觀地分析特征之間的相關(guān)性分布情況，從而幫助開發(fā)者快速進(jìn)行判斷與特征選擇。而后者則可以讓開發(fā)者將基于聯(lián)邦訓(xùn)練的模型與基于sklearn訓(xùn)練的模型結(jié)果進(jìn)行直接對比，并從可視化報告對比中得出相關(guān)結(jié)論。
此外，這一版本的FATE-Board在用戶體驗方面也有了重大的提升，如工作流、模型輸出圖表圖形、評估曲線等，都高度優(yōu)化了可視化效果及交互操作，并增強了實用性。在使用中相信能讓開發(fā)者體驗再上一層樓。
FATE–Flow：FATE數(shù)據(jù)管理模塊，開啟數(shù)據(jù)治理之路
在FATE 1.2版本中，F(xiàn)ATE新增加了數(shù)據(jù)管理模塊，這將成為開啟數(shù)據(jù)治理的第一步。從這一版本開始，在整個Job生命周期產(chǎn)生的數(shù)據(jù)都有跡可循了。此外，數(shù)據(jù)管理模塊提供了諸如查詢、刪除等常用管理命令，這也極大地增強了開發(fā)者對數(shù)據(jù)的掌控能力。
總的來說，F(xiàn)ATE在1.2這一版本中，開啟了對新領(lǐng)域的進(jìn)一步拓展。無論是對縱向聯(lián)邦深度學(xué)習(xí)框架，還是多方安全計算SPDZ協(xié)議的支持，都是在打磨底層框架，為未來FATE能支持更多應(yīng)用場景提供一種可能。從這一版本也可以看出，除新功能外，F(xiàn)ATE對已有建模組件也在持續(xù)不斷地優(yōu)化和改進(jìn)，致力于在效率，多樣性和實用性上，為開發(fā)者提供更加優(yōu)質(zhì)的服務(wù)體驗。
我們歡迎對聯(lián)邦學(xué)習(xí)有興趣的同仁一起貢獻(xiàn)代碼，提交 Issues 或者 Pull Requests。
詳情可查閱 FATE官網(wǎng)項目貢獻(xiàn)者指南：https://ai.webankcdn.net/scvm/html/1579237932478.html
如有疑問，歡迎留言交流。也可以添加我們FATE助手：FATEZS001，進(jìn)一步交流。
