iFLearner是一个强大且轻量的联邦学习框架,提供了一种基于数据隐私安全保护的计算框架,主要针对深度学习场景下的联邦建模。其安全底层支持同态加密、秘密共享、差分隐私等多种加密技术,算法层支持各类深度学习网络模型,并且同时支持Tensorflow、Mxnet、Pytorch等主流框架。
架构
iFLearner主要基于以下原则进行设计:事件驱动机制:使用事件驱动的编程范式来构建联邦学习,即将联邦学习看成是参与方之间收发消息的过程,通过定义消息类型以及处理消息的行为来描述联邦学习过程。训练框架抽象:抽象深度学习后端,兼容支持Tensorflow、Pytorch等多类框架后端。扩展性高:模块式设计,用户可以自定义聚合策略,加密模块,同时支持各类场景下的算法。轻量且简单:该框架Lib级别,足够轻量,同时用户可以简单改造自己的深度学习算法为联邦学习算法。
评论