近兩年來，聯(lián)邦學(xué)習(xí)發(fā)展迅速，其作為分布式的機(jī)器學(xué)習(xí)范式，能夠有效解決數(shù)據(jù)孤島問題，讓參與方在不共享數(shù)據(jù)的基礎(chǔ)上聯(lián)合建模，從技術(shù)上打破數(shù)據(jù)孤島，實現(xiàn)AI協(xié)作。而FATE作為聯(lián)邦學(xué)習(xí)全球首個工業(yè)級開源框架，支持聯(lián)邦學(xué)習(xí)架構(gòu)體系，為機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、遷移學(xué)習(xí)提供了高性能聯(lián)邦學(xué)習(xí)機(jī)制。此外，其自身還支持多種多方安全計算協(xié)議，如同態(tài)加密、秘密共享、哈希散列等，具有友好的跨域交互信息管理方案。
近日，F(xiàn)ATE 1.2版本正式發(fā)布。在這一版本中，F(xiàn)ATE推出了兩大重量級的更新項——對縱向聯(lián)邦DNN的支持，及對多方安全計算SPDZ協(xié)議的支持。作為首個支持縱向聯(lián)邦神經(jīng)網(wǎng)絡(luò)算法的版本，開發(fā)者在縱向聯(lián)邦建模的分類、回歸、排序等場景下都可以明顯感受到其支持性。而SPDZ秘密共享安全計算協(xié)議的支持，進(jìn)一步拓展和豐富FATE應(yīng)用場景。
在之前的1.0大版本中，F(xiàn)ATE上線了首個可視化聯(lián)邦學(xué)習(xí)產(chǎn)品與聯(lián)邦pipeline生產(chǎn)服務(wù)。而在1.1大版本中，F(xiàn)ATE聯(lián)合VMware中國研發(fā)開放創(chuàng)新中心云原生實驗室的團(tuán)隊一起搞了個“大事”——發(fā)布了KubeFATE項目，通過把FATE的所有組件用容器的形式封裝，實現(xiàn)了使用Docker Compose或Kubernetes（Helm Charts）來部署。前兩個版本分別在可視化使用體驗及部署體驗上做了重點提升，而FATE v1.2 版本則回歸至算法本身，進(jìn)一步拓展其支持性。除兩大重量級更新項以外，還新增了如二階優(yōu)化方法-縱向SQN、數(shù)據(jù)管理模塊等功能，前者能夠顯著提升縱向邏輯回歸和縱向線性回歸收斂效率，對算法加速起到關(guān)鍵作用。后者則用于記錄upload的數(shù)據(jù)表及Job運行中模型的輸出結(jié)果，并提供查詢以及清理CLI。
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(qiáng)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(qiáng)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。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
