WeFe 开源项目使用教程

WeFe 开源项目使用教程

wefe WEFE: The Word Embeddings Fairness Evaluation Framework. WEFE is a framework that standardizes the bias measurement and mitigation in Word Embeddings models. Please feel welcome to open an issue in case you have any questions or a pull request if you want to contribute to the project! 项目地址: https://gitcode.com/gh_mirrors/we/wefe

1. 项目介绍

WeFe（WeLab Federated Learning）是 Welab 汇立集团子公司天冕科技发起的开源项目，旨在为联邦学习生态系统提供一套好用的、可靠的企业级联邦学习平台。WeFe 支持多种联邦学习算法，包括横向联邦、纵向联邦、混合联邦和深度学习。项目基于 FATE 进行了改进并新增了相关算法，提供了基于 Docker 的便捷部署方式，并且支持流程可视化、托拉拽编辑流程的交互形式。

2. 项目快速启动

2.1 环境准备

• 操作系统：推荐使用 CentOS 7+ 版本。
• Docker：确保 Docker 已安装并正常运行。

2.2 安装步骤

1. 克隆项目仓库

   git clone https://github.com/dccuchile/wefe.git
   cd wefe
   

2. 使用 Docker 部署

   cd release/docker
   docker-compose up -d
   

3. 访问 WeFe 平台

   部署完成后，可以通过浏览器访问 http://localhost:8080 进入 WeFe 平台。

3. 应用案例和最佳实践

3.1 应用案例

WeFe 在多个行业中都有广泛的应用，例如金融、医疗和制造业。以下是一个典型的应用案例：

金融行业：在金融行业中，WeFe 可以用于客户信用评分模型的联邦学习建模。通过横向联邦学习，不同金融机构可以共享数据特征，而不需要共享原始数据，从而提高模型的准确性和安全性。

3.2 最佳实践

• 数据隐私保护：在联邦学习过程中，确保数据隐私和安全是至关重要的。WeFe 支持同态加密运算，可以在不泄露原始数据的情况下进行模型训练。
• 流程可视化：利用 WeFe 的流程可视化功能，用户可以通过拖拽编辑流程，简化联邦学习模型的构建过程。

4. 典型生态项目

WeFe 作为一个联邦学习平台，与其他开源项目和工具可以形成良好的生态系统。以下是一些典型的生态项目：

• FATE：WeFe 基于 FATE 进行了改进，FATE 是一个开源的联邦学习框架，提供了丰富的算法和工具。
• Docker：WeFe 提供了基于 Docker 的部署方式，Docker 是一个开源的容器化平台，简化了应用的部署和管理。
• Kubernetes：对于大规模部署，Kubernetes 可以与 WeFe 结合使用，提供更强大的容器编排和管理能力。

通过这些生态项目的结合，WeFe 可以更好地满足不同场景下的联邦学习需求。

wefe WEFE: The Word Embeddings Fairness Evaluation Framework. WEFE is a framework that standardizes the bias measurement and mitigation in Word Embeddings models. Please feel welcome to open an issue in case you have any questions or a pull request if you want to contribute to the project! 项目地址: https://gitcode.com/gh_mirrors/we/wefe