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。
