杨强教授：《可信联邦学习与开源生态》主题演讲视频

题图摄于天安门广场

9月26日，由 LF AI & DATA 基金会主办的AICON 2022在杭州成功举办！来自全球的人工智能领域顶尖科学家、行业专家及著名企业家齐聚一堂，分享全球人工智能行业新趋势、新动向。大会由LF AI官方B站等多平台同步直播，总计观看人次达88W+。

大会由一个主论坛以及“AI+数据”等分论坛组成，聚焦 AI 前沿技术、产业化和商业化的动态。香港科技大学计算机与工程系讲座教授、CAAI荣誉副理事长、FATE开源项目技术委员会主席杨强教授将作为嘉宾出席会议，并在主论坛给大家带来《可信联邦学习与开源生态》主题演讲。以下为分享主要内容回顾。

· 分享回顾 ·

在分享中，杨强教授首先阐述了开源对于隐私计算技术的重要性，指出开源是隐私计算技术规模化的重要途径，并带大家系统性地回顾了联邦学习的进展和面临的挑战。联邦学习是人工智能和隐私计算的重要交集，能够突破目前人工智能过度依赖中心化数据的瓶颈，在原始数据和模型私密参数都不动和不可见的前提下完成机器学习任务。随着联邦学习落地应用的深入，杨强教授提出一种增强型的新范式——可信联邦学习，其主要特征包括数据与模型安全可信，模型性能可使用，效率可控，决策可解释，模型可监管以及普惠。

杨强教授介绍，在开源方式得到广泛认同的背景下，全球首个联邦学习开源社区——FATE开源社区也获得快速发展。FATE开源社区是面向联邦学习开源生态中的开发者、贡献者、用户及生态伙伴建立的学习与交流平台，拥有全球首个工业级联邦学习框架FATE。社区以“开源开放，共力创新”为愿景，不断汇集更多创新力量，现有4000+位来自逾千家企业及科研机构的开发者参与社区生态共建。

社区的建设发展离不开强大的志愿者团队，目前社区在不断的迭代下，具备完善的社区治理组织架构，包含TSC Board、TSC Maintainer、技术专委会、运营专委会、安全专委会以及各专业委员会下特别兴趣小组 (SIG) 。技术指导委员会负责制定长期发展的规划，指导各个专业委员会的工作和实施。在团队的共同努力下，作为全球首个工业级联邦学习开源框架，FATE已经迭多个版本，提供了一站式联邦模型服务解决方案，涵盖联邦特征工程，联邦机器学习模型训练，联邦模型评估，联邦在线推理。

FATE的迭代开发还在持续进行中，FATE v1.10已经在收集需求和开发中，同时FATE开源社区还将大力推进不同联邦学习系统和平台之间互联互通的能力，计划推出FATE 2.0 Alpha版本。

在分享的最后，杨强教授还展望了联邦学习的未来发展重点，包括跨平台互联互通、完善联邦学习安全机制、进一步促进数据要素流通等等。同时杨强教授也分享了在相关方向的探索实践，如参与开放群岛（Open Islands）开源社区的建设；积极参与和推动联邦学习相关技术标准建设；提出可信联邦学习中的“模型版权保护” (FedIPR)方案等。

杨强教授表示，我们正努力打造一个可信联邦学习的开源生态。在这个生态之中，数据要素能充分流通，模型版权能被有效保护，模型和数据的价值能被合理评估，最终会形成一个全生命周期，能够在不同系统之间互联互通的平台。

点击下方获取分享完整视频

【FATE Github】：阅读原文或复制链接 https://github.com/FederatedAI/FATE 即可，点击star，方便下次使用。

---

要想了解联邦学习、隐私计算、云原生和区块链等技术原理，请立即长按以下二维码，关注本公众号亨利笔记 （ henglibiji )，以免错过更新。