- 综合排序
- 最热优先
- 最新优先
- 来自专栏绿盟科技研究通讯
联邦学习开源框架FATE-Flow 源码分析
FATE整体架构 FATE是首个工业级的开源联邦学习框架，据中国信通院数据显示，55%的国内隐私计算产品是基于或参考了开源项目，其中以FATE开源项目为主。 FATE提供了联邦学习全流程的解决方案，具备开箱即用的特点。FATE整体架构和基本流程如下图1、2所示，本篇文章将主要介绍联邦学习任务调度的核心：FATE-Flow。 图1：FATE整体架构 图2：FATE流程 二. FATE-Flow架构 FATE-Flow提供了端到端的联邦学习任务流水线管理模块，架构如图3所示。 图3：FATE-Flow流程 在FATE-Flow中，由如下几个关键模块： DAG：定义了流水线，使用JSON格式的DSL来定义DAG。 源码分析 FATE-Flow后端使用的是Flask，Flask是一个轻量级的python web框架，FATE-Flow server的程序入口是在python/fate_flow/fate_flow_server.py
2.2K11编辑于 2023-02-22 FATE 隐私计算开源框架金融行业技术应用报告
约84%的受访银行业金融机构已拥有隐私计算平台，其中30%基于开源项目研发，而在开源项目中FATE框架占比达75%。 本报告旨在通过对FATE等主流开源框架的技术分析，结合金融行业实际场景需求，探索金融业对隐私计算开源框架的通用技术能力要求，为开源技术更好地适配金融业数据流通需求提供指导，实现供需双向良性循环。 (一)发展历程 (二)路径及形式 (三)痛点和需求 (四)隐私计算开源生态位全景图 四、FATE开源框架技术分析 (一)框架特点 (二)一站式解决方案 (三)灵活适配 (四)云原生 五、未来展望 (一 第五章：核心观点 • 生态主导性：我国隐私计算开源产业初具规模，FATE社区已汇集近千家企业及科研机构的开发者，是国内最大的联邦学习开源社区，且约2/3的主流开源框架由我国科技企业贡献。 第六章：为什么选择腾讯云 • 技术先进性与算力加速：腾讯云安全联邦学习平台基于FATE开源框架及自研的 #PowerFL 框架构建。
13110编辑于 2026-05-30- 来自专栏亨利笔记
FATE开源项目向可信联邦学习进发
2019年初，微众银行开源了全球首个工业级联邦学习框架FATE（Federated AI Technology Enabler），大幅降低联邦学习的应用门槛。 根据中国信通院等单位联合发布的《隐私计算白皮书（2021年）》，在国内隐私计算产品中，开源类占比约为55%，很多联邦学习类产品都吸收和借鉴了 FATE 的成果。 对此，杨强教授及团队提出了隐私与模型性能的"No-free-lunch安全-收益恒定"定律，从信息论的角度为隐私泄露和效用损失的权衡提供了一个通用的理论框架。 杨强认为，大部分的解决方案都能够无缝插入开源FATE，这样FATE的作用就类似一个“转换器”，可以帮助实现互通互联。 可信联邦学习的提出，更多是从技术角度提升联邦学习在真实业务场景中的表现。 互联互通的推进，则对FATE平台在更大范围内落地应用至关重要。 FATE 在可信联邦学习方面的发展 FATE 近期将在开源社区中，增加可信联邦学习的相关成果，开发者和用户可以持续关注。
1.1K30编辑于 2022-09-03 - 来自专栏小陈运维
联邦学习FATE框架安装搭建 - CentOS8
联邦学习 FATE (Federated AI Technology Enabler) 是微众银行AI部门发起的开源项目，为联邦学习生态系统提供了可靠的安全计算框架。 FATE官方网站：https://fate.fedai.org/ FATE文档：https://fate.readthedocs.io/ 安装与配置-Python3.6安装 [root@localhost .tar.gz [root@localhost ~]# ls docker_standalone_fate_1.6.0 fate.tar install_standalone_docker.sh [ :/fate# root@625c1239a7fe:/fate# root@625c1239a7fe:/fate# bash . /blob/master/fate.env
1.4K30发布于 2021-10-13 《FATE隐私计算框架金融应用报告》摘要
报告标题：FATE 隐私计算开源框架金融行业技术应用报告 发布机构：北京金融科技产业联盟 发布时间：2023年1月 行业标签：泛金融 产品标签：#联邦学习 #隐私计算 #多方安全计算 #同态加密 #可信执行环境 本报告基于对 25种主流开源隐私计算框架 的调研（截至2022年8月），聚焦 FATE 框架的技术特性及金融行业实践，为行业提供技术选型与生态建设参考。 (一) 发展历程 (二) 路径及形式 (三) 痛点和需求 (四) 隐私计算开源生态位全景图 四、FATE开源框架技术分析 (一) 框架特点 (二) 一站式解决方案 (三) 灵活适配 (四) 云原生 五 FATE 通过 30余个联邦算法组件 及多协议适配（同态加密、秘密共享等），支持工业级应用。 开源生态驱动互联互通：金融行业 30% 的隐私计算平台基于开源框架构建，其中 75% 采用 FATE。 为什么选择腾讯云 腾讯云基于 FATE 开源框架与自研 Angel PowerFL 框架，构建安全联邦学习平台，提供 PaaS 与 SaaS 级服务。
12210编辑于 2026-05-30- 来自专栏亨利笔记
FATE开源社区 2023 首场线下 Meetup 在北京举行！
【转发一则活动消息】 在春暖花开的季节，FATE开源社区 2023 年首场线下 Meetup，期待已久的大型面基活动，欢迎报名参加。3月11日下午北京，机会难得，名额非常有限，报名从速。 3月11日（周六）下午14:00-17:30，FATE开源社区 2023年首场线下Meetup 将于北京开启~ 本次 Meetup 由 FATE开源社区主办、VMware承办，活动不仅邀请了多位社区技术专家现场分享 FATE项目最新发展动态、多行业前沿应用实践案例、开源生态发展趋势，还将为社区年度杰出贡献者与单位现场颁奖。
37730编辑于 2023-04-04 - 来自专栏全栈程序员必看
hdu 2159 FATE
FATE Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 32768/32768 K (Java/Others) Total Submission (s): 7363 Accepted Submission(s): 3398 Problem Description 近期xhd正在玩一款叫做FATE的游戏，为了得到极品装备。
28120编辑于 2022-07-06 2023 北京金融科技产业联盟发布：FATE 隐私计算开源框架金融行业技术应用报告
本报告旨在深度剖析以 FATE 为代表的隐私计算开源框架在金融行业的应用现状与技术体系，其中重点提及 FATE 框架已迭代超 30 个版本并汇聚近千家开发者。 （一） 发展历程 （二） 路径及形式 （三） 痛点和需求 （四） 隐私计算开源生态位全景图 四、 FATE 开源框架技术分析 （一） 框架特点 （二） 一站式解决方案 （三） 灵活适配 （四） 云原生 五、 未来展望 （一） 技术发展展望 （二） 生态建设展望 参考文献 附录：FATE 开源框架的典型应用案例 （一） 应用概况 （二） 应用场景 第四章：方法论说明 • 调研对象与范围：本报告对银行业金融机构的开源框架应用情况展开了问卷调查 开源模式成为打破壁垒的关键路径。 • 开源生态已成为隐私计算规模化发展的基石 调研数据显示，目前国内 55% 的隐私计算产品是基于或参考开源项目开发的，其中以 FATE 框架为主。 在受访的银行业金融机构中，84% 拥有隐私计算平台；在基于开源项目研发的平台中，高达 75% 采用了 FATE 开源框架，展现出强劲表现与极高的行业认可度。
10310编辑于 2026-05-30- 来自专栏亨利笔记
FATE开源社区3月份开发工作进展
） FATE（Federated AI Technology Enabler）开源社区是全球首个隐私计算、联邦学习开源社区，拥有全球首个工业级安全联邦学习框架。 安全问题报告邮箱：FATE-security@groups.io 参与FATE开源社区 FATE开源社区是一个开放、平等、包容的学习社区，在这里你不仅可以从众多贡献者处获得技术帮助，还可以通过技术贡献的方式丰富社区资源并帮助其他用户 FATE开源社区欢迎更多开发者和用户加入社区建设并提出反馈意见！ 建议关注FATE开源社区的公众号，并加入开源社区用户组： https://groups.io/g/Fate-FedAI 您还可以通过以下方式联系FATE社区： 官网： https://fedai.org / Github： https://github.com/FederatedAI/FATE 公众号： FATE开源社区 开源社区用户组： Fate-FedAI@groups.io 开源社区维护者： FedAI-maintainers
80330编辑于 2023-04-04 - 来自专栏机器之心
你需要了解的第一个联邦学习开源框架FATE
在本文中，我们将一同了解联邦学习，概览第一个联邦学习开源框架 FATE。 近日，微众银行将联邦学习开源框架 FATE（Federated AI Technology Enabler）贡献给 Linux 基金会，并希望通过多方维护令该项目更加强大。 FATE 开源地址：https://github.com/WeBankFinTech/FATE 为了解第一个联邦学习开源框架 FATE，机器之心采访了微众银行 AI 部门的副总经理陈天健，他介绍了联邦学习的开源现状以及技术过程 对于开发者而言，以后 FATE 项目将变得越来越好用、越来越稳定。但是随着联邦学习更加普及，目前的开源框架肯定是有局限的，这就要求开发者根据具体业务需求修改 FATE 或者重新写框架。 第一个联邦学习开源框架 FATE 那么我们该怎样完成加密训练呢，难不成还需要从头开始写？这就需要 FATE 来帮忙了。
1.5K30发布于 2019-07-19 - 来自专栏ml
HDUOJ----2159 FATE
FATE Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 32768/32768 K (Java/Others) Total Submission (s): 6553 Accepted Submission(s): 3016 Problem Description 最近xhd正在玩一款叫做FATE的游戏，为了得到极品装备，xhd在不停的杀怪做任务
70660发布于 2018-03-22 - 来自专栏亨利笔记
FATE开源社区年度首场线下Meetup在京成功举办（ppt和视频）
开源开放，共力创新。3月11日，由FATE开源社区主办、VMware承办的FATE开源社区2023年首场线下Meetup在北京顺利举办。 北京金融科技产业联盟开源专业委员会负责人李寻女士分享了关于《FATE隐私计算开源框架金融行业技术应用报告》的解读。 汇总提炼隐私计算框架存在的痛点与需求，并通过展现FATE特点、分析了FATE为代表的隐私计算框架技术发展趋势，从技术与生态两方面做展望。 基于开源FATE联邦学习框架，兼容主流ARM及X86架构国产处理器，扩充FATE框架的应用生态。通过异构硬件加速及高性能网络技术，加速密态计算的性能，提升单点计算及多点协同计算的整体效率。 FATE开源框架 也欢迎更多技术贡献方和场景应用方 加入成为社区成员单位 共同构筑更加繁荣开放的联邦学习技术生态 获取PPT合集：添加FATE开源小助手微信号（FATEZS001）回复“0311”。
67120编辑于 2023-04-04 - 来自专栏亨利笔记
3月11日，FATE开源社区 2023 首场线下 Meetup 在北京举行！
【转发一则活动消息】 在春暖花开的季节，FATE开源社区 2023 年首场线下 Meetup，期待已久的大型面基活动，欢迎报名参加。3月11日下午北京，机会难得，名额非常有限，报名从速。 3月11日（周六）下午14:00-17:30，FATE开源社区 2023年首场线下Meetup 将于北京开启~ 本次 Meetup 由 FATE开源社区主办、VMware承办，活动不仅邀请了多位社区技术专家现场分享 FATE项目最新发展动态、多行业前沿应用实践案例、开源生态发展趋势，还将为社区年度杰出贡献者与单位现场颁奖。
33410编辑于 2023-04-04 - 来自专栏AI研习社
微众银行开发的全球首个工业级联邦学习开源框架 FATE 升级 v1.1！特别支持云上部署
作为联邦学习全球首个工业级开源框架，FATE 在近日发布的 v1.1 版本中，不仅上线了横向联邦学习通用算法框架，增加了DNN、回归等多个联邦算法，并开始支持多方纵向联邦建模，支持spark引擎，支持FATEServing FATE 作为联邦学习全球首个工业级开源框架，支持联邦学习架构体系，为机器学习、深度学习、迁移学习提供了高性能联邦学习机制，FATE 本身还支持多种多方安全计算协议，如同态加密、秘密共享、哈希散列等，具有友好的跨域交互信息管理方案 FederatedML：提供易扩展的横向算法框架支持横向算法开发 在新版本中，FATE使开发更加轻松，开发者可以更关注于算法具体本身，而将更多通用的通信传输内容交给框架。 FATE v1.1提供易扩展的横向联邦学习通用算法框架，支持Secure Aggregation，通过封装横向联邦学习的主要流程，开发者能够简单地实现横向联邦学习算法。 ? 如果是企业开发者，还可以发现离线部署FATE的能力也得到了提升，借助 Harbor 开源容器镜像仓库，可以自动同步网上的镜像，为运维减压。
1.4K20发布于 2019-11-22 - 来自专栏陶陶技术笔记
隐私计算FATE-离线预测
一、说明 Fate 的模型预测有 离线预测 和 在线预测 两种方式，两者的效果是一样的，主要是使用方式、适用场景、高可用、性能等方面有很大差别；本文分享使用 Fate 基于 纵向逻辑回归 算法训练出来的模型进行离线预测实践 基于上文 《隐私计算FATE-模型训练》 中训练出来的模型进行预测任务 关于 Fate 的安装部署可参考文章 《隐私计算FATE-核心概念与单机部署指南》 二、查询模型信息 执行以下命令，进入 Fate /examples/my_test/ job_id 可以在 FATE Board 中查看。 /examples/my_test/job_202205070226373055640_config directory", "directory": "/data/projects/fate/ /my_test/ 直接把 Fate 自带的纵向逻辑回归算法预测配置样例，复制到我们的 my_test 目录下。
98330编辑于 2022-11-11 - 来自专栏亨利笔记
首个开源联邦大模型 FATE-LLM，突破数据与算力壁垒
本文转发 FATE 开源社区的文章，供关注大模型领域的读者参考。 ：“FATE-LLM的开源，是为了解决当前大模型应用的两个瓶颈问题。 04 开源开放，大模型发展的必经之路 FATE v.1.11为联邦大模型初步版本，未来FATE开源社区还将针对联邦大模型的算法、效率、安全等方面进行持续优化，并持续推出后续版本，路线图如下： 未来， 取之于开源，用之于开源。FATE开源社区欢迎更多的用户和开发者加入。在获得项目发展成果的同时，以参加项目等方式回馈社区。形成良性循环，推动社区生态健康发展！ 参考资料： 1. /FederatedAI/FATE 公众号： FATE开源社区 开源社区用户组： Fate-FedAI@groups.io 开源社区维护者： FedAI-maintainers@groups.io 开发专委会
2.8K20编辑于 2023-04-18 - 来自专栏亨利笔记
FATE v 1.10重磅发布：开发易用性显著提升，硬件指令集加速集成
题图摄于广州花城广场 在中国开源软件推进联盟发布的《2022中国开源发展白皮书》中，提到开源框架正在成为降低企业技术研发成本，打破“计算孤岛”，实现跨平台互联互通，推动数据要素流通重要且有效的途径。 FATE (Federated AI Technology Enabler）是其中典型代表，作为全球首个联邦学习工业级开源框架，它提供一种基于数据隐私保护的安全计算框架，为机器学习、深度学习、迁移学习算法提供强有力的安全计算支持 总体上FATE在功能、性能、生产完备、互联互通等多方面有完善和提升.其中亮点为以下四点： 重构横向和纵向神经网络联邦框架，支持用户自定义神经网络和自定义数据集，降低深度学习算法接入联邦机制的开发成本 集成英特尔 建议关注FATE开源社区的公众号，并加入开源社区用户组： https://groups.io/g/Fate-FedAI 您可以通过以下方式联系FATE开源社区： 官网： https://fedai.org / Github： https://github.com/FederatedAI/FATE 公众号： FATE开源社区 开源社区用户组： Fate-FedAI @groups.io 开源社区维护者： FedAI-maintainers
1K20编辑于 2023-04-04 - 来自专栏陶陶技术笔记
隐私计算FATE-模型训练
一、说明 本文分享基于 Fate 自带的测试样例，进行 纵向逻辑回归 算法的模型训练，并且通过 FATE Board 可视化查看结果。 本文的内容为基于 《隐私计算FATE-概念与单机部署指南》中部署的环境。 二、进入容器 执行以下命令，进入 Fate 的容器中： docker exec -it $(docker ps -aqf "name=standalone_fate") bash 可以看到其中有一个 /data/projects/fate/examples/my_test/ 直接把 Fate 自带的纵向逻辑回归算法样例，复制到我们的 my_test 目录下。 /data/projects/fate/examples/my_test/ 直接把 Fate 自带的纵向逻辑回归算法样例，复制到我们的 my_test 目录下。
1K31编辑于 2022-11-11 - 来自专栏亨利笔记
VMware捐赠FedLCM开源项目，加强联邦学习平台的运维管理
题图摄于北京长安街 转发一则开源项目消息： VMware近日宣布，将FedLCM（Federation Lifecycle Manager，联邦生命周期管理器）开源项目捐赠给FATE。 FATE开源社区开发专委会主席、VMware中国研发中心技术总监张海宁说：“能够将FedLCM这样重要的工具开源并贡献到联邦学习社区，我们十分激动。 这是社区期待已久的项目，它提供了强大的功能来管理联邦学习框架（如FATE和OpenFL等）的生命周期。我们将继续与社区成员合作，改进FedLCM的功能并推动其更广泛的应用。” 2 关于FATE FATE (Federated AI Technology Enabler）是全球首个联邦学习工业级开源框架。 FATE目前由多家机构共同运营，已成为一个由社区共同治理，共同监管的开源项目。
61920编辑于 2023-04-04 - 来自专栏全栈程序员必看
.Net开源框架
官网 CSLA .NET：业务层开发框架 http://www.cslanet.com。官网 Mono：Mono 是 ECMA CLI、C# 以及 .NET 的开源实现。 官网 Spring.Net：Spring.NET 是一个开源的应用程序框架，可以便捷地创建企业级 .NET 项目。 官网 Spring.Net：Spring.NET 是一个开源应用程序框架，可以便捷地创建企业级 .NET 应用。官网 LightInject：一个超轻量级 IoC 容器。 官网 测试（Testing） AutoFixture：AutoFixture 是一个用于 .NET 的开源框架，用于简化单元测试中的设置（Arrange）阶段。 官网 xUnit：xUnit.net 是一个 .NET 平台下免费、开源、专注社区的单元测试框架。
9.1K31编辑于 2022-09-08
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号