隐语课程 基于隐私保护的机器学习算法介绍

 一、预处理和隐私求交

预处理：DataFrame和FedNdarraydd

DataFrame:联邦表格数据的封装，DataFrame由多个参与方的数据块构成，支持数据水平（每一方的各自的特征一致，但是都有各自的样本）、垂直切分（每一方有各自的特征，但是样本是一致的）和混合切分（数据既有水平切分又有垂直切分），分别对应三种API：HDataFrame、VDataFrame、MixDataFrame。

FedNdarray:联邦ndarray的封装，同样由多个参与方的数据块构成，支持水平和垂直切分，对应统一的API：FedNdarray

DataFrame和FedNdarray各自提供了一些读写api可供直接使用，隐语也提供多种预处理工具来处理这些数据，可以直接使用DataFrame API处理数据，或者使用sf.preprocessing包内的各类预处理组件处理

隐私求交PSI

隐私求交是一种使用密码学方法，获取两份数据内容的交集的算法。PSI过程中不泄露任务交集以外的信息。

在垂直拆分场景中，隐私求交常用于第一步的数据堆积，然后可以进一步做数据分析或机器学习建模。

在隐语中PSI有两种使用方式，分别如下。

二、决策树模型和线性回归模型

决策树模型

隐语支持多种决策树算法（XGB），同时支持回归和二分类训练，可根据使用场景和安全性需求选用

线性回归模型

隐语支持多种线性回归模型，满足不同的使用场景，并有一些针对性的优化

三、神经网络算法

根据使用场景的不同，隐语提供了两种神经网络算法：水平联邦学习、垂直拆分学习。并分别提供两套API：

水平联邦学习：secretflow.ml.nn.FLModel

垂直拆分学习：secretflow.ml.nn.SLModel

水平联邦学习和垂直拆分学习都属于非可证安全算法，其安全性需要根据场景具体分析。可以通过一些安全加固组件（安全聚合、差分隐私、稀疏化等）加强安全性

水平联邦学习

隐语提供的水平联邦学习FLModel是一个通用的范式，而不是一个具体的模型或算法，可以自由的定义模型和训练参数。

目前FLModel支持TensorFlow和PyTorch两种后端，可以使用tf或torch原生的方式编写模型代码，然后使用FLModel训练。或者可以直接使用封装好的模型库，比如torchvision和tf.keras.applications

垂直拆分学习

隐语提供的垂直拆分学习SLModel同样是一个通用的范式，可以自由定义模型和训练参数。

SLModel同样支持TensorFlow和PyTorch两种后端，可以使用tf或torch原生的方式编写模型代码，然后使用SLModel训练。

与水平联邦相比，垂直拆分学习的框架略有不同，他的模型被拆分成2份、3份或者更多，分别分布在不同的参与方。建模时需要针对拆分学习架构重新设计模型结构。下面是两方场景下常见的两种结构。隐语提供了一个拆分好的模型库：sf.mlnn.applications