隐私保护与联邦数据科学
像 TensorFlow Federated、PySyft 和 OpenMined 这样的联邦学习与安全计算框架，让数据科学家能够在去中心化的私有数据上训练模型和进行分析，而无需数据离开所有者的服务器。
共 14 个项目
排名逻辑见 方法论 ；同类排名基于 GitHub 公开指标。
| 排名 | 项目 | Stars | Forks | 更新 | 许可证 |
|---|---|---|---|---|---|
| 1 |
watermarks-remover
一款隐私优先的应用，可去除您拥有的内容上的AI水印。 |
19.2K | 2.2K | 08/29/26 | MIT |
| 2 |
PySyft
在他人服务器上的数据上进行数据科学分析 |
10.0K | 2.0K | 08/28/26 | Apache-2.0 |
| 3 |
presidio
一个开源框架，用于检测、编辑、掩蔽和匿名化文本、图像和结构化数据中的敏感数据（PII）。支持NLP、模式匹配和可定制流水线。 |
10.7K | 1.3K | 08/26/26 | MIT |
| 4 |
flower
Flower：一个友好的联邦AI框架 |
7.1K | 1.2K | 08/29/26 | Apache-2.0 |
| 5 |
ai.robots.txt
一个用于屏蔽AI智能体和机器人的列表。 |
4.1K | 179 | 08/26/26 | MIT |
| 6 |
deep-prove
用于极速验证ML模型推理的框架 |
3.4K | 102 | 05/31/26 | Other |
| 7 |
privacy
训练机器学习模型的库，保护训练数据隐私。 |
2.0K | 474 | 08/26/26 | Apache-2.0 |
| 8 |
secretflow
一个用于隐私保护数据分析和机器学习的统一框架 |
2.7K | 469 | 04/24/26 | Apache-2.0 |
| 9 |
FedML
统一的可扩展机器学习库，用于跨云和边缘设备的分布式训练、联邦学习和模型服务。 |
4.1K | 765 | 10/28/25 | Apache-2.0 |
| 10 |
agi
首个分布式AGI系统。数千个自主AI代理协作训练模型，通过P2P gossip共享实验，并在此推动突破。完全点对点。可从浏览器或CLI加入。 |
2.0K | 241 | 08/29/26 | MIT |
| 11 |
opacus
使用差分隐私训练PyTorch模型 |
2.0K | 397 | 07/13/26 | Apache-2.0 |
| 12 |
FATE
工业级联邦学习框架 |
6.1K | 1.6K | 11/19/24 | Apache-2.0 |
| 13 |
Awesome-FL
关于联邦学习的全面且及时的学术信息（论文、框架、数据集、教程、研讨会） |
2.0K | 223 | 05/20/26 | Other |
| 14 |
nesa
端到端加密地运行AI模型 |
3.2K | 246 | 02/10/25 | Other |