联邦学习框架FATE V1.7发布：性能巨幅提升，助力多系统互联互通

 

FATE (Federated AI Technology Enabler）是微众银行人工智能团队自研的全球首个联邦学习工业级开源框架，它提供一种基于数据隐私保护的安全计算框架，为机器学习、深度学习、迁移学习算法提供强有力的安全计算支持。

从2019年2月开源至今，FATE已迭代了十余版本，在金融、医疗等众多领域有了落地应用，汇聚了上千家企业、高校等科研机构的开发者。

近日，FATE V1.7正式发布，为开发者带来9项重要更新：

■ 性能提升：横纵向联邦SecureBoost性能提升5倍+，千万级别样本训练支持；隐私保护求交(PSI)算法性能提升3倍+，不平衡场景下PSI性能提升10倍+以上；

■ 两方逻辑回归：新增纵向联邦逻辑回归算法，支持无可信第三方；

■ 横向通用模型转化：支持FATE的横向模型导出成主流引擎模型训练文件，可用于跨引擎的离线预测和在线推理；

■ 安全协议增强：新增同态加密和秘密分享混合协议；

■ 组件插件化：可同时部署多个版本算法组件包，运行时指定版本，支持热插拔；

■