安全联邦学习-任务模式FL

一、什么是安全联邦学习-任务模式

功能介绍：通过任务的模式，在原始数据不出域的前提下，通过交换各个参与方的算法训练的中间结果梯度、参数信息，或完全在密文条件下进行计算，从而发挥参与多方数据样本更丰富、更全面的优势，得出更优模型。

安全联邦学习，分为横向安全联邦学习、纵向安全联邦学习。其中，纵向安全联邦学习，联合多个参与者的共同样本的不同数据特征进行安全联邦学习，即各个参与者的训练数据是纵向划分的。横向安全联邦学习，联合多个参与者的具有相同特征的多行样本进行安全联邦学习，即各个参与者的训练数据是横向划分的。

二、哪些场景适合用安全联邦学习？

适用场景：纵向安全联邦学习，适用于参与者训练样本ID重叠较多，而数据特征重叠较少的情况，例如某银行和某电商平台，分别拥有一部分客户数据，拥有的客户特征不一样，银行拥有客户的金融信用数据，电商拥有客户的电商消费数据，期望联合两方数据训练精准营销模型，则适合使用纵向安全联邦学习。横向安全联邦学习，适用于参与者的数据特征重叠较多，而样本ID重叠较少的情况，例如两家银行，分别拥有一部分客户数据，拥有的客户特征相似，但各自数据偏少，期望联合两方数据训练共同训练评分卡模型，则适合使用横向安全联邦学习。

三、安全联邦学习已支持的能力

四、如何进行安全联邦学习

步骤一：执行【联邦学习】有两个任务，先执行训练任务，再根据训练模型进行预测任务；

• 模型训练任务：TrustML/training

• 预测任务：TrustML/prediction

1、Alice侧创建训练任务，进行任务配置。

2、Bob侧在【通用计算-审批流程】审批任务。

3、Alice侧运行任务，【通用计算-模型管理】查看模型。

步骤二：创建【训练任务】，运行完成。

1、Alice侧创建训练任务，进行任务配置。

2、Bob侧在【通用计算-审批流程】审批任务，Alice侧运行任务。

3、查看结果：a）数据源：输出结果表，文件类表：在【管理配置-合作数据管理】页面查看任务结果；

b）MaxCompute:输出结果表，可登录云上环境查看。