NVIDIA FLARE

NVIDIA FLARE ( NV IDIA F ederated L Earning Application Runtime Environment ) est un SDK open source extensible indépendant du domaine qui permet aux chercheurs et aux scientifiques des données d'adapter les flux de travail ML/DL existants à un paradigme fédéré. Il permet aux développeurs de plates-formes de créer une offre sécurisée et préservant la confidentialité pour une collaboration multipartite distribuée.

Caractéristiques

FLARE repose sur une architecture composée de composants qui vous permet de faire passer les charges de travail d'apprentissage fédéré de la recherche et de la simulation au déploiement de production dans le monde réel.

Fonctionnalités des applications

Prend en charge à la fois les algorithmes d'apprentissage profond et d'apprentissage automatique traditionnels (par exemple, PyTorch, TensorFlow, Scikit-learn, XGBoost, etc.)
Soutenir l’apprentissage fédéré horizontal et vertical
Algorithmes d'apprentissage fédéré intégrés (par exemple, FedAvg, FedProx, FedOpt, Scaffold, Ditto, etc.)
Prend en charge plusieurs workflows de formation contrôlés par le serveur et le client (par exemple, scatter & collect, cyclique) et workflows de validation (évaluation globale du modèle, validation inter-sites)
Prend en charge à la fois l'analyse des données (statistiques fédérées) et la gestion du cycle de vie du machine learning
Préservation de la confidentialité avec confidentialité différentielle, cryptage homomorphe, intersection d'ensembles privés (PSI)

De la simulation au monde réel

API client FLARE pour une transition transparente de ML/DL à FL avec un minimum de modifications de code
Mode simulateur et POC pour un développement et un prototypage rapides
Composants entièrement personnalisables et extensibles avec une conception modulaire
Déploiement sur cloud et sur site
Tableau de bord pour la gestion de projet et le déploiement
Application de la sécurité via une autorisation fédérée et une politique de confidentialité
Prise en charge intégrée de la résilience du système et de la tolérance aux pannes