转载

第5讲回顾：FATE整体架构介绍与系统实践

「AI开发者成长计划」首期公开课由机器之心与微众银行联合开设，主题为《联邦学习FATE入门与应用实战》，特邀合作伙伴 VMware 也将参与分享。公开课为期4周，共6期课程，设置主题分享、项目实践、在线答疑等环节，从零入门联邦学习。

整体学习计划与加入方式请查看：《联邦学习FATE入门与应用实战》公开课上线！

3 月 24 日，机器之心联合微众银行开设的公开课《联邦学习 FATE 入门与应用实战》第五讲结课，微众银行人工智能部系统架构师曾纪策为大家介绍了 FATE 的整体架构、系统关键数据流以及如何实践。回顾视频如下：

第五课精选问答

1、问一下当前联邦学习框架中心服务器由谁负责？还是不需要中心服务器汇集各方参数？

目前FATE支持的计算引擎不需要中心服务器

2、fate怎么把模型转换成protobuf？

模型的protobuf定义文件请参考：federatedml/protobuf/proto/
模型数据的生成请参考每个算法component的export_model函数：federatedml/model_base.py(基类)，federatedml/tree/hetero_secureboosting_tree_guest.py(树模型)

3、合作两方交互通信方式？

加密GRPC协议

4、federation调用metaservice，metaservice从mysq里读取存储的namespace?

MetaService是一个数据库读写的接口服务
Dtable分片存储于各个Egg节点(storage-service)，数据库(例如MySQL)里面存储了DTable的分片地址，Federation需要取得分片地址。

5、guest如何配置可拿到host数据呢？

没有办法，FATE是一个基于多方安全计算的数据隐私保护机器学习框架
对于训练中间数据，federatedml/transfer_variable/definition/定义了每个组件可以交换传输的数据定义，是一种自我保护机制
对于联邦调度，交换的是调度命令以及任务状态信息
同时FATE提供自我鉴权白名单机制的高级功能，目前支持role、party id、component维度

6、fate和pysyft的对比？

两者有许多侧重点不一样，例如PySyft侧重学术研究及横向联邦；FATE重于工业应用、纵向联邦、横向联邦、迁移联邦。
调度机制不一样，PySyft采取了类似指针的方式进行多方调度，安全性及广域网下的稳定性需要探讨。

7、灰度上线是怎么实现的？

两种方式，1）使用不同的service id对应不同的模型，由上游调用系统依据实际需求传参不同的service id实现，优点是灰度策略上比较灵活，缺点是需要上游调用系统配合，2）使用同样的service id，使用fate flow的bind命令，给不同的seving实例绑定不同的模型，那么请求到达不同的serving实例会使用不同的模型进行推理。