隐语 第三期第八讲 联邦学习在垂直场景的开发实践
垂直联邦框架介绍
算法流程:
用户相同,特征不同
-
支持多种类型的特征
-
自定义数据预处理流程
-
支持灵活的自定义模型结构且内置了部分拆分模型
-
内置多种通信/计算优化和安全加强方法
-
支持多种训练后端
算法流程
1.数据对齐:保证用户是相同的
2.前向传播:安全传输给有Label的一方
3.融合,继续前向传播,计算Loss
4.拆分并发送梯度,进行反向传播更新Fuse模型,更新Base模型
SLModel: 接口
训练框架:strategy
隐层:
DP框架(保证数据在出域时的安全)
扰动 保证数据不会被反向猜测
流程:
-
定义参数
-
指定哪方执行
-
指定account效率
-
传入SLModel
上手实践
数据导入
sf框架导入
数据加载对齐(各方持有几列)
数据处理(离散值特征不能直接用到神经网络)和特征上的缩放
切分训练集和数据集
模型结构定义
传给SLModel
训练模型
模型评估