securefederatedai/openfederatedlearning

何を解決するか

オープン連合学習は、複数の組織が感覚的な生データを共有せずに、共同で機械学習モデルを訓練および検証できる方法を提供します。これにより、医療記録や金融データなどの個人情報が中央サーバーに移動する必要がなくなり、プライバシーのリスクとデータ移動を削減します。

動作方法

中央集権的な学習ではなく、モデルのパラメータと更新のみが中央アグリゲーターとローカルの共同作業者間で交換される分散型アプローチを使用します。バックエンドに依存せず、PyTorch、TensorFlow、Jaxなどのフレームワークに対応しています。ユーザーは、安全な通信（mTLSおよびTEEサポートを含む）を提供するTaskRunner API、または実験のシミュレーションとスケーリングを可能にするWorkflow APIを通じて実験を設定できます。

対象ユーザー

医療画像（例：FeTSプラットフォーム）など、異なる場所に分散した感覚的なデータを扱う研究者や組織向けに設計されていますが、特定の業界や用途に依存しないように設計されています。

特徴

• バックエンド非依存：PyTorch、TensorFlow、Jaxと連携可能。
• プライバシー保護：生データがローカル環境から離れることはありません。
• 複数の集約アルゴリズム：FedAvg、FedOpt、FedProx、FedCurvを内蔵サポート。
• 安全な通信：mTLSベースのチャネルおよび機密計算環境をサポート。