FATE

收录理由

当多家机构各自掌握着不能对外分享的数据，却仍然希望共同训练一个模型时，FATE 正是为这种棘手场景而设计。它在逻辑回归、树模型、深度学习与迁移学习等一系列联邦学习算法外层，包上了同态加密与多方安全计算等安全计算协议，使得每一方的数据始终留在本地，却能共同参与模型的更新。项目既支持单机部署，也支持集群部署，周边生态还提供了任务调度、模型服务与可视化能力，这对于把联邦模型从实验验证推进到真实推理链路至关重要。如果你的核心约束是数据驻留与合规要求，而不仅仅是模型精度本身，那么这套框架值得认真评估。