WeFe联邦机器学习框架

WeFe ( WeLab Federated Learning ) 是 Welab 汇立集团子公司天冕科技发起的开源项目，为联邦学习生态系统提供了一套好用的可靠的安全计算框架。

WeFe 是基于联邦机器学习技术的可视化分布式建模平台，可以充分保护各方用户数据安全，打破数据孤岛；支持企业按照具体的建模场景，沟通并匹配其他联邦成员，在明文数据不出库的前提下，共同完成联邦模型的训练与构建，帮助建模人员快速搭建联邦学习任务（横向联邦、纵向联邦、纵横向混合联邦等）。

项目特点

• 混合联邦，纵向联邦学习与横向联邦学习结合的行业解决方案；
• 使用联盟链作为联邦中心存证共享方案；
• 支持流程可视化，托拉拽编辑流程的交互形式；
• 基于函数计算与云存储对象实现动态资源拓展方案；
• 支持 GPU 加速同态加密运算（实验室）。

联邦学习算法

• WeFe 目前支持的联邦学习算法：横向联邦、纵向联邦、混合联邦、深度学习。
• 基于FATE，改进并新增了相关算法，算法细节请参考 Kernel 模块文档 kernel/README.md。

系统架构

WeFe 系统由两大模块 union 与 member 组成；

member 是 WeFe 联邦学习平台中进行联邦建模的最小成员单位；

union 是一个去中心化的公共服务平台，存储了联邦中的可公开信息并提供给联邦中的 member 访问。

模块详情：

• ​ union 模块，详见 union/README.md；
• ​ member 模块，详见 README_MEMBER.md。