预告 | 联邦学习进阶最后一课：联邦学习推荐算法及其应用

3 月 24 日，微众银行联合VMware及机器之心开设的公开课《联邦学习 FATE 入门与应用实战》 第五讲结课，微众银行人工智能部系统架构师曾纪策为大家介绍了 FATE 的整体架构、系统关键数据流以及如何实践。第五讲回顾视频：

 

【联邦学习FATE课程第五期】FATE整体架构介绍与系统实践

 

3 月 26 日（周四），我们将迎来本系列公开课最后一讲，详情如下：

 

公开课第6讲

 

课程主题：联邦推荐算法及其应用

 

课程时间：3 月 26 日 20:00 主题讲解+在线答疑

 

课程讲师：谭奔 微众银行人工智能部高级研究员

 

讲师简介：博士毕业于香港科技大学，主要研究方向为迁移学习、推荐系统、机器学习等，目前在微众银行人工智能部门负责推荐算法研发工作，曾就职于腾讯，负责广告转化率预估、商品推荐等工作。在 KDD、AAAI、SDM、TIST 等国际学术期刊会议上发表论文 10 余篇，多次在国际数据挖掘大赛中名列前茅。

 

课程摘要：课程主要介绍联邦推荐系统背景、联邦推荐系统分类以及现有工作、联邦推荐算法实现和联邦推荐在新闻推荐的应用。

 

 

第5课精选问答

 

1、问一下当前联邦学习框架中心服务器由谁负责？还是不需要中心服务器汇集各方参数？

目前FATE支持的计算引擎不需要中心服务器

 

2、fate怎么把模型转换成protobuf？

1.) 模型的protobuf定义文件请参考：federatedml/protobuf/proto/

2.) 模型数据的生成请参考每个算法component的export_model函数：federatedml/model_base.py(基类)，federatedml/tree/hetero_secureboosting_tree_guest.py(树模型)

 

3、合作两方交互通信方式？

加密GRPC协议

 

4、federation调用metaservice，metaservice从mysq里读取存储的namespace?

1. ) MetaService是一个数据库读写的接口服务

2. ) Dtable分片存储于各个Egg节点(storage-service)，数据库(例如MySQL)里面存储了DTable的分片地址，Federation需要取得分片地址。

 

5、guest如何配置可拿到host数据呢？

1.)  没有办法，FATE是一个基于多方安全计算的数据隐私保护机器学习框架

2.) 对于训练中间数据，federatedml/transfer_variable/definition/定义了每个组件可以交换传输的数据定义，是一种自我保护机制

3.) 对于联邦调度，交换的是调度命令以及任务状态信息

4.) 同时FATE提供自我鉴权白名单机制的高级功能，目前支持role、party id、component维度

 

6、fate和pysyft的对比？

1.)  两者有许多侧重点不一样，例如PySyft侧重学术研究及横向联邦；FATE重于工业应用、纵向联邦、横向联邦、迁移联邦。

2.) 调度机制不一样，PySyft采取了类似指针的方式进行多方调度，安全性及广域网下的稳定性需要探讨。

 

7、灰度上线是怎么实现的？

1.) 两种方式

2.) 使用不同的service id对应不同的模型，由上游调用系统依据实际需求传参不同的service id实现，优点是灰度策略上比较灵活，缺点是需要上游调用系统配合

3.) 使用同样的service id，使用fate flow的bind命令，给不同的seving实例绑定不同的模型，那么请求到达不同的serving实例会使用不同的模型进行推理

 

8、是不是HOST有数据并且可以通过ID查到，否则无法推理？

无论哪一方没有对应的样本，合并的推理结果就缺少该方模型的推理结果，最终推理请求可以返回，但是需要关注状态码

 

 

如何加入

 

 

提前添加FATE开源社区助手（FATEZS001），锁定【联邦学习FATE开源社区】，第一时间加入《联邦学习FATE入门与应用实战》课程学习。连续四周，6节课程，为你全方位讲解《联邦学习FATE入门与应用实战》课程。主题讲解、项目实践、在线答疑，干货满满哦！