产品概述

最近更新时间:2024-07-04 16:00:11

我的收藏

产品定义

联邦学习(Federated Learning,FELE)是一种打破数据孤岛、释放 AI 应用潜能的分布式机器学习技术,能够让联邦学习各参与方在不披露底层数据和底层数据加密(混淆)形态的前提下,通过交换加密的 机器学习 中间结果,实现联合建模。联邦学习兼顾 AI 应用与隐私保护,开放合作,协同性高,充分释放大数据生产力,广泛适用于金融、消费互联网等行业的业务创新场景。

主要功能介绍

账号管理:支持新增、删除账号,修改密码;支持联邦学习网络的节点接入申请和审核。
资源管理:包括资源配置和合作管理。
资源配置:包括数据资源的接入和数据源的上架管理。
合作管理:包括使用方对数据的申请、审批和管理;允许查看并管理各个联邦关系节点之间的数据授权情况;以及统计全部节点之间的资源授权情况。
项目管理:包括数据对齐、特征工程、模型训练、模型预测、联邦 SQL 分析和项目监管。
数据对齐:包括横纵向对齐,实时数据对齐任务流进度展示,历史数据对齐任务的管理。
特征工程:包括特征的统计分析,相关性分析,缺失异常值处理,归一化处理,特征采样,特征分箱,特征编码,特征选择,IV 计算;支持实时任务流进度展示,历史任务列表管理和查看特征处理结果。
模型训练:包括横纵向联邦和聚类等主流模型训练;支持查看各模型训练模块的任务实时进度情况;支持历史任务列表管理和查看模型训练结果。
模型预测:包括横纵向联邦和聚类等主流模型预测;支持查看各模型预测模块的任务实时进度情况;支持历史任务列表管理和查看预测任务结果。
联邦 SQL 分析:支持 count、sum、groupby、where 等算子;支持实时任务流进度展示;支持历史任务列表管理和查看联邦分析任务结果。
项目监管:包括项目总数监控,以及查看任务的参与方情况,各任务的时长、状态等监控详情。
查询管理:包括调用统计、模型管理和 API 管理。
调用统计:支持查询和下载实时和按天的查询次数、成功失败情况、风险分布、时延等信息。
模型管理:支持模型上传,支持查看模型关联的训练任务和上线后的 API 名称。
API 管理:支持模型发布,连通性调试和 API 列表管理。
系统管理:包括任务发起日志存证和节点机器资源监控。

产品架构

模型训练服务:联邦学习各参与方在合法合规前提下,共同完成总体模型训练,且训练出的模型最终能达到汇集多方数据进行 联合建模 的效果。
模型调用服务:将联邦学习框架下训练的模型接入生产环境,通过 API 接口提供模型调用服务,以及模型调用过程中的运行效果监测、模型迭代升级等运维服务。