联邦学习开源框架方案选型

无知者：【联邦学习开源框架】FedLab - 加速FL算法验证

联邦学习开源框架FedLab相关

FATE

单位：微众银行

github: https://github.com/FederatedAI/FATE star：3.2k

docs：https://github.com/FederatedAI/FATE/blob/master/doc/develop_guide_zh.rst

概述：FATE (Federated AI Technology Enabler) 是微众银行AI部门发起的开源项目，为联邦学习生态系统提供了可靠的安全计算框架。FATE项目使用多方安全计算 (MPC) 以及同态加密 (HE) 技术构建底层安全计算协议，以此支持不同种类的机器学习的安全计算，包括逻辑回归、基于树的算法、深度学习和迁移学习等。

功能：全面，同时覆盖横向、纵向、迁移联邦学习，包含联邦学习的整体流程；实现了样本安全匹配，样本切分（1.5版本），特征处理和筛选、LR/XGB/DNN等常用算法，模型评估与评分卡，模型预测（serving），联邦推荐等。

易用：一般；虽然文档很丰富，但是难抵配置多；cluster模式下配置很多，各种端口，；又因为期望兼容多种后端存储和计算，导致依赖较多，系统整体比较重，前期部署较困难；而且python、java、scala等多种语言混合在同一项目，上手相对不容易，排查问题更是头疼。不过，使用docker化部署会比本地