securefederatedai/openfederatedlearning

해결하는 문제

오픈 연합 학습은 여러 조직이 민감한 원시 데이터를 공유하지 않고도 공동으로 머신러닝 모델을 훈련하고 검증할 수 있는 방법을 제공합니다. 이는 의료 기록이나 금융 데이터와 같은 개인 정보를 중앙 서버로 이동할 필요 없이, 개인정보 위험과 데이터 이동을 줄입니다.

작동 방식

중앙 집중식 학습이 아니라, 모델 파라미터와 업데이트만 중앙 집계기와 로컬 협업자 간에 교환하는 분산형 접근 방식을 사용합니다. PyTorch, TensorFlow, Jax와 같은 프레임워크를 지원하는 백엔드에 의존하지 않는 구조입니다. 사용자는 보안 통신(mTLS 및 TEE 지원 포함)을 제공하는 TaskRunner API 또는 실험 시뮬레이션과 확장성을 제공하는 Workflow API를 통해 실험을 설정할 수 있습니다.

대상 사용자

의료 영상(예: FeTS 플랫폼)과 같이 다양한 위치에 분산된 민감한 데이터를 다루는 연구자 및 조직을 위한 것입니다. 특정 산업이나 사용 사례에 관계없이 사용 가능하도록 설계되었습니다.

주요 특징

• 백엔드 비의존성: PyTorch, TensorFlow, Jax와 호환됩니다.
• 개인정보 보호: 원시 데이터가 로컬 환경을 벗어나지 않습니다.
• 다양한 집계 알고리즘: FedAvg, FedOpt, FedProx, FedCurv를 내장 지원합니다.
• 보안 통신: mTLS 기반 채널 및 기밀 컴퓨팅 환경을 지원합니다.