趨勢預測分析
數(shù)字技術研究院
2022-04-05
6756 目前，聯(lián)邦學習開源技術形成兩大發(fā)展方向：專注于開發(fā)聯(lián)邦學習算法模型；專注于開發(fā)融合安全協(xié)議。以所屬機構業(yè)務出發(fā)，商用為主的聯(lián)邦學習開源項目僅在某類機器學習功能中引入安全協(xié)議實現(xiàn)安全聯(lián)邦學習，更加關注結合機構技術生態(tài)結合而非多樣化的技術應用。FATE與Rosetta以聯(lián)邦學習安全性與性能出發(fā)，注重聯(lián)邦學習的整體解決方案。研究為主的聯(lián)邦學習開源項目則從聯(lián)邦學習的各個層面探討技術實現(xiàn)的可能性。通過對開源與技術特性的研究，易觀分析認為，CTO在選擇開源項目時，要基于自身業(yè)務發(fā)展階段和自有開發(fā)團隊實力，選用具有相應功能、安全性、可擴展性的開源項目。
聯(lián)邦學習開源項目整體發(fā)展良好，但項目之間存在較為明顯的差異性。協(xié)議方面，除PySyft & PyGrid外均采用對商業(yè)化影響較小的協(xié)議。代碼開源度方面，PySyft&PyGrid、TF-Federated和FedML等研究型開源項目相對較高，能夠對底層算子、算法和安全協(xié)議等代碼實現(xiàn)開源開放。FATE、MindSpore Federated、TF-Federated、PySyft&PyGrid等文檔完整性較高的項目普遍活躍程度也較高。
總體來看，研究型項目的開源社區(qū)建設優(yōu)于商業(yè)項目，但FATE作為國內開源商業(yè)項目的代表，從開源社區(qū)Pull Request情況、commits數(shù)量、版本迭代速度、代碼更新頻率、貢獻者數(shù)量和影響力等指標來看，均呈現(xiàn)出良好健康的態(tài)勢。在技術實現(xiàn)上，聚焦于商用化的聯(lián)邦學習項目更加注重功能的封裝，實現(xiàn)聯(lián)邦學習的快速應用；聚焦于研究領域的開源項目則通過拓展AI框架底層接口，實現(xiàn)功能高度自定義。
表 2：聯(lián)邦學習開源項目之技術特性對比
注重結合自身技術生態(tài)且聚焦商用的聯(lián)邦學習開源項目普遍在部署應用方面給予較強的支撐，為聯(lián)邦學習的應用快速落地做出了有效的嘗試，但實現(xiàn)的聯(lián)邦學習功能較為單一。FATE在開源技術上為聯(lián)邦學習大規(guī)模應用提供了很好的范例，Rosetta也為聯(lián)邦學習前沿技術商業(yè)化提供了很好的支撐，但其開源的1.0代碼版本尚不能支持聯(lián)邦學習，其自研Helix協(xié)議具有較高參考價值。研究為主的聯(lián)邦學習開源項目普遍從技術的快速實現(xiàn)與高度自定義兩方面出發(fā)，對高層接口進行封裝并對底層接口進行擴展，并注重對模型性能的評價。同時，在技術路線上，研究為主的開源項目更加注重從算法策略與算子維度加強模型性能，僅PySyft注重安全協(xié)議的應用。在部署方面，F(xiàn)edML在邊緣設備上的部署較有參考價值。以FedLearner與EFLS為代表的廠商可以快速實現(xiàn)云部署；FATE功能全面，且給予多場景的部署支持；以MindSpore，PaddleFL為代表的項目，高度集成于自研AI框架中，可以實現(xiàn)快速部署，且支持在移動端部署。商用型項目的安全協(xié)議支持度、功能全面性與學習成本互為掣肘
安全協(xié)議支持方面，商用為主的聯(lián)邦學習開源項目普遍支持差分隱私，但在模型訓練方面差分隱私對模型造成的影響不可控。多方安全計算與同態(tài)加密對計算資源與通信資源的要求較高，實現(xiàn)成本高。功能方面，除FATE外，商用為主的聯(lián)邦學習開源項目普遍實現(xiàn)功能較為單一，難以滿足復雜或多樣化產(chǎn)品的應用。但是，盡管FATE給予較強的部署支持，但學習成本高，部署存在一定難度，且在云部署方面目前對Spark的支持還在開發(fā)中。研究型開源項目的高度自定義特性可以滿足自身業(yè)務發(fā)展需求
研發(fā)能力較強的團隊可以采用研究為主的聯(lián)邦學習開源項目，實現(xiàn)底層技術研發(fā)，達到功能的高度自定義，滿足更加多元的業(yè)務應用場景需求。開發(fā)成本與安全性是選擇研究型項目的關注重點
對研發(fā)能力較弱的團隊而言，研究型項目的開發(fā)成本較高。同時，從安全性角度出發(fā)，研究型項目有復雜的技術供應鏈，存在安全漏洞與惡意攻擊的風險。
未經(jīng)易觀分析授權，嚴禁轉載、引用或以任何方式使用易觀分析發(fā)布的任何內容。經(jīng)授權后的任何媒體、網(wǎng)站或者個人使用時應原文引用并注明來源，且分析觀點以易觀分析官方發(fā)布的內容為準，不得進行任何形式的刪減、增添、拼接、演繹、歪曲等。因不當使用而引發(fā)的爭議，易觀分析不承擔因此產(chǎn)生的任何責任，并保留向相關責任主體進行責任追究的權利。
