google-parfait/tensorflow-federated

解決的問題

解決在不需將敏感資料上傳至中央伺服器的情況下，在分散資料上訓練機器學習模型的挑戰。這使得在保持使用者資料本地化與隱私的同時，仍能進行協作式模型訓練。

運作方式

TFF 使用聯邦學習方法，在多個參與客戶端之間訓練共享的全球模型。它提供兩個主要的介面層：

• 聯邦學習（FL）API：高階層介面（tff.learning），讓開發者能將現有的聯邦訓練與評估實作套用至 TensorFlow 模型。
• 聯邦核心（FC）API：低階層、強型別的函數式程式設計環境，結合 TensorFlow 與分散式通訊運算子，用以表達新穎的聯邦演算法。

適用對象

專為希望實驗聯邦學習演算法、在分散資料上實作非學習運算（如聚合分析）或在各種執行環境中部署聯邦運算的研究人員與開發者所設計。

主要亮點

• 同時支援高階訓練/評估 API 與低階演算法設計工具。
• 無需上傳敏感資料即可訓練模型（例如行動鍵盤預測）。
• 內建單機模擬執行時環境，便於快速實驗。
• 可以宣告式地表達運算，以部署至多樣化環境中。