干货 | 《联邦学习FATE入门与应用实战》第五课直播回顾！课件详情看这里

FATE是全球首个工业级的联邦学习开源框架，旨在提供安全的计算框架来支持联邦 AI 生态，其在实践生产中有着丰富的应用。

这个3月，微众银行与VMware以及机器之心联合开展了主题为《联邦学习FATE入门与应用实战》的课程，用4周6节课的时间帮助大家在较短周期内完成联邦学习从学到用的全过程。

【联邦学习FATE课程第五期】FATE整体架构介绍与系统实践

 

以上为第五期课程《FATE 整体架构介绍与系统实践》回顾，已在 3 月 24日由曾微众银行人工智能部系统架构师 曾纪策为大家完成分享。

 

 

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

 

 

以下为第五期课程的演讲课件

希望各位能有所收获

 

注：实践部分详见直播回放，通过代码展示方式无PPT内容

欢迎前往GitHub Stars我们

第一时间查看新版本

 

作为一个开源社区，我们也欢迎社会各行业领域人士加入社区建设，共同打造更好的联邦学习开源框架。如对FATE有任何想法、建议、意见或其他想咨询的，欢迎扫描下方二维码，添加FATE小助手进行沟通。