5月5日，阿里巴巴達摩院發(fā)布新型聯(lián)邦學習框架FederatedScope，該框架支持大規(guī)模、高效率的聯(lián)邦學習異步訓練，能兼容不同設備運行環(huán)境，且提供豐富功能模塊，大幅降低了隱私保護計算技術開發(fā)與部署難度。該框架現(xiàn)已面向全球開發(fā)者開源。

隱私保護是數(shù)字經(jīng)濟的安全底座，如何在保障用戶數(shù)據(jù)隱私的同時提供高質(zhì)量連通服務，成為數(shù)字經(jīng)濟時代的重要技術課題。為破解隱私保護與數(shù)據(jù)應用的兩難，以“數(shù)據(jù)不動模型動”為理念的聯(lián)邦學習框架應運而生，其通過用戶數(shù)據(jù)不出本地的方式完成云端模型訓練，實現(xiàn)了“數(shù)據(jù)可用不可見”。近年來，聯(lián)邦學習成為隱私保護計算主流技術之一。

然而，隨著需應用隱私保護計算的場景和行業(yè)日趨多元，涉及到的數(shù)據(jù)類型日趨豐富，已有聯(lián)邦學習框架難以靈活高效地滿足現(xiàn)實中越來越復雜的計算需要，需從注重“可用”到注重“好用”。

為解決上述挑戰(zhàn)，達摩院智能計算實驗室研發(fā)了新型聯(lián)邦學習框架FederatedScope，該框架使用事件驅(qū)動的編程范式來構建聯(lián)邦學習，即將聯(lián)邦學習看成是參與方之間收發(fā)消息的過程，通過定義消息類型以及處理消息的行為來描述聯(lián)邦學習過程。通過這一方式，F(xiàn)ederatedScope實現(xiàn)了支持在豐富應用場景中進行大規(guī)模、高效率的聯(lián)邦學習異步訓練。

同時，達摩院團隊對FederatedScope訓練模塊進行抽象，使其不依賴特定的深度學習后端，能兼容PyTorch、Tensorflow等不同設備運行環(huán)境，大幅降低了聯(lián)邦學習在科研與實際應用中的開發(fā)難度和成本。

為進一步適應不同應用場景，F(xiàn)ederatedScope還集成了多種功能模塊，包括自動調(diào)參、隱私保護、性能監(jiān)控、端模型個性化等。FederatedScope支持開發(fā)者通過配置文件便捷地調(diào)用集成模塊，方便快速入門；也允許通過注冊的方式添加新的算法實現(xiàn)并調(diào)用，支持定制化及深度開發(fā)。

達摩院智能計算實驗室隱私保護計算團隊負責人丁博麟表示，“數(shù)據(jù)已成為重要的生產(chǎn)要素，而隱私保護計算是保障這一要素發(fā)揮作用的關鍵技術。通過開源最新聯(lián)邦學習框架，我們希望促進隱私保護計算在研究和生產(chǎn)中的廣泛應用，讓醫(yī)藥研發(fā)、政務互通、人機交互等數(shù)據(jù)密集領域更安全、更順暢地發(fā)展。”

Gartner相關報告顯示，到2025年之前，約60%的大型企業(yè)預計將應用至少一種隱私保護計算技術。達摩院2022十大科技趨勢同樣將隱私保護計算列為重要趨勢，認為該技術將從覆蓋少量數(shù)據(jù)的場景走向全域保護，從而激發(fā)數(shù)字時代的新生產(chǎn)力。

關于此次開源的更多信息，可訪問官網(wǎng) https://federatedscope.io/及源代碼地址 https://github.com/alibaba/FederatedScope