AI 詞彙表
人工智能完整詞典
TensorFlow Federated
由Google开发的开源联邦学习框架，集成于TensorFlow中，支持在分散数据上模拟和部署分布式学习算法。
PySyft
用于联邦学习和隐私保护的Python开源库，将PyTorch与密码学和安全秘密共享技术相结合。
Flower Framework
与机器学习框架无关的联邦学习框架，提供灵活的架构，用于部署具有异构客户端和可定制聚合策略的联邦学习系统。
FedML
用于联邦学习、MLOps和基准测试的研究与生产库，为大规模联邦学习应用的开发和部署提供完整平台。
OpenFL
用于医疗健康环境的联邦学习开源框架，由英特尔开发，专门针对HIPAA隐私和合规要求设计。
Substrato
基于Kubernetes的开源联邦学习平台，支持分布式学习工作负载的编排，并在参与者之间提供增强的隔离和安全性。
LEAF
联邦学习的开源基准测试工具，提供分区的真实数据集和参考实现，用于在异构条件下评估算法。
FedAvg
联邦学习中的基本聚合算法，根据客户端数据集大小对本地模型进行加权平均，作为许多变体算法的基础。
FedProx
FedAvg的扩展，在本地目标中添加近端正则化项，以处理客户端之间的系统和统计异质性，在非独立同分布环境中提高收敛性。
SCAFFOLD
联邦学习算法，通过使用控制变量来校正客户端-服务器梯度偏差（client-drift），在高度异质场景中稳定训练过程。
FedBN
联邦学习技术，在本地保留每个客户端的批归一化统计量，以更好地处理参与者之间的非独立同分布数据分布。
FedOpt
联邦学习服务器优化器系列，在全局模型聚合过程中直接应用自适应优化方法如Adam或Yogi。
FedPer
联邦学习方法，将模型参数分离为基础（全局共享）和个性化（本地）部分，在保持协作的同时实现有效个性化。
聚合服务器
联邦架构中的核心组件，收集客户端的本地更新，执行聚合算法，并将更新后的全局模型分发给参与者。
客户端库
客户端侧的软件工具集，实现联邦学习系统中的通信协议、安全本地训练和模型生命周期管理。
安全聚合
加密协议，允许服务器聚合模型更新而无需访问单个客户端的更新，从而保护本地贡献的隐私。
同态加密
一种密码学技术，允许直接在加密数据上执行计算，在联邦学习中用于聚合模型而无需解密客户端贡献。