AlphaMed Federated Learning Module
Project description
AlphaMed
AlphaMed 是一个基于区块链技术的去中心化联邦学习解决方案,旨在使医疗机构能够在保证其医疗数据隐私和安全的同时,实现多机构联合建模。医疗机构可以在本地节点实现模型的训练,并支持以匿名的身份将加密的参数共享至聚合节点,从而实现更安全、可信的联邦学习。
相比于传统的联邦学习,AlphaMed 平台不仅能够确保只有合法的且经过许可的参与者才能加入网络,同时支持节点的匿名化的参与联合建模。同时,区块链的共识算法能够确保网络中的节点得到一直的决策,恶意的参与者或者数据投毒等攻击将被拒绝,从而保证了联邦学习更好的安全性。
在联邦学习的过程中,各个参与方都受到智能合约的约束,并且所有的事件、操作都将被记录在区块链的分布式账本上,可追溯、可审计,使得联合机器学习的安全性和隐私保护能力极大的提升。
如果 AlphaMed 平台预置的现有算法依然无法满足业务需要,还可以自行设计联邦学习算法,并使其运行在 AlphaMed 平台之上。这里展示了如果自定义联邦学习算法,并通过 AlphaMed 平台实际执行联邦学习任务。为了帮助开发者调试自己的代码,AlphaMed 平台还提供了一套模拟运行环境,以在本地节点模拟实际运行环境,包括联邦学习运行环境。
AlphaMed 平台除面向算法工程师提供了开发联邦学习模型的支持外,还面向模型使用者提供了预训练模型的支持。与传统预训练模型相比,AlphaMed 平台上的预训练模型支持功能更为强大、使用更为方便。在 AlphaMed 平台上,不仅可以寻找并下载心仪的预训练模型,更可以利用私有数据微调、部署预训练模型,使其更加适配于私有的业务数据。
AlphaMed 平台预置了一定数量的预训练模型,同时也支持第三方开发者开发上传自己的预训练模型。这里展示了如何设计自己的预训练模型。
Project details
Release history Release notifications | RSS feed
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.
Source Distribution
Built Distribution
Hashes for alphamed_federated-0.3.9-py3-none-any.whl
Algorithm | Hash digest | |
---|---|---|
SHA256 | 53867c7dca4d5ce7841205624ce71005dfad627624bd71da2f39575edd5a6182 |
|
MD5 | 5e3d5341bee68e7c2c45707022492717 |
|
BLAKE2b-256 | 3f419ef9c1cb8b3b474735e543cac64d5f785d8fc170172a102ba1e03024b1aa |