FATE (Federated AI Technology Enabler) — это проект с открытым исходным кодом, инициированный отделом искусственного интеллекта Webank. Он предоставляет безопасную вычислительную среду для поддержки экосистемы федеративного искусственного интеллекта.

В FATE реализованы протоколы безопасных вычислений на основе гомоморфного шифрования и многосторонних вычислений (MPC). Проект поддерживает архитектуры федеративного обучения и безопасные вычисления различных алгоритмов машинного обучения, включая логистическую регрессию, древовидные алгоритмы, глубокое обучение и трансферное обучение.

Федеративные алгоритмы обучения в FATE

FATE уже поддерживает ряд алгоритмов федеративного обучения, включая вертикальное федеративное обучение, горизонтальное федеративное обучение и федеративное трансферное обучение. Более подробная информация доступна в federatedml.

Установка

FATE можно установить на Linux или Mac. В настоящее время FATE может поддерживать:

• Нативную установку: автономные и кластерные развёртывания;
• Установку KubeFATE:
  • Развёртывание несколькими сторонами с помощью docker-compose для разработки и тестирования;
  • Кластерное (многоузловое) развёртывание с помощью Kubernetes.

Нативная установка

Требования к программному обеспечению: JDK 1.8+, Python 3.6, Python virtualenv, MySQL 5.6+, Redis-5.0.2.

Автономная версия

FATE предоставляет автономную архитектуру выполнения для разработчиков. Она помогает разработчикам быстро протестировать FATE. Автономная версия поддерживает два типа развёртывания: версия Docker и ручная версия. Пожалуйста, обратитесь к руководству по автономному развёртыванию: standalone-deploy.

Кластерная версия

FATE также предоставляет распределённую архитектуру выполнения для сценариев больших данных. Переход от автономной версии к кластерной требует только изменения конфигурации. Изменение алгоритма не требуется.

Чтобы развернуть FATE в кластере, пожалуйста, обратитесь к руководству по кластерному развёртыванию: cluster-deploy.

KubeFATE установка:

Используя KubeFATE, FATE можно развернуть либо с помощью docker-compose, либо с помощью Kubernetes:

• Для разработки или тестирования рекомендуется использовать docker-compose. Требуется только среда Docker. Для получения более подробной информации, пожалуйста, обратитесь к разделу «Развёртывание с помощью Docker Compose».

• Для производства или крупномасштабного развёртывания рекомендуется использовать Kubernetes в качестве базовой инфраструктуры для управления системой FATE. Для получения дополнительной информации, пожалуйста, обратитесь к «Развёртыванию на Kubernetes».

Более подробные инструкции можно найти в KubeFATE.

Запуск тестов

Скрипт для запуска всех юнит-тестов предоставлен в папке ./federatedml/test.

После установки FATE тесты можно запустить с помощью:

sh ./federatedml/test/run_test.sh

Все юнит-тесты должны пройти успешно, если FATE установлен правильно.

Примеры программ

Быстрый старт

Мы предоставили скрипт Python для быстрого начала моделирования задачи. Этот скрипт находится в разделе «примеры/federatedml-1.x-examples».

Получение модели и проверка результатов

Мы предоставляем функции, такие как отслеживание выходных моделей компонентов или журналов и т. д., с помощью инструмента под названием fate-flow. Развёртывание и использование fate-flow... Док

API док

FATE предоставляет некоторые документы API в папке doc-api, включая federatedml, eggroll, federation.

Руководство по разработке док

Как разработать свой алгоритм федеративного обучения с помощью FATE? Вы можете ознакомиться с руководством по разработке FATE в файле develop-guide в папке doc.

Другие документы

FATE также предоставляет множество других документов в папке doc. Эти документы помогут вам лучше понять FATE.

Вовлечение

• Присоединяйтесь к нашему списку рассылки Fate-FedAI Group IO. Вы можете задавать вопросы и участвовать в обсуждении разработки.

• Часто задаваемые вопросы вы можете найти в FAQ.

• Пожалуйста, сообщайте об ошибках, отправляя сообщения о проблемах.

• Вносите свой вклад с помощью запросов на вытягивание.

Лицензия

Apache License 2.0