项目地址

联邦学习可以视为一种加密的分布式学习技术，它的核心是分布式学习算法与同态加密。分布式学习算法使得它能够从多方数据源获得模型的更新，同态加密则保证了中间过程的完全隐私性。

这里有一些便于理解的教程：

• Federated Learning: Collaborative Machine Learning without Centralized Training Data
• Building better products with on-device data and privacy by default

pysyft是为安全、隐私深度学习而编写的python库，通过对pytorch深度学习框架增加新的特性来进行，它支持联邦学习、差分隐私以及多方计算。该项目由OpenMined负责，DropoutLabs、UDACITY等组织也参与其中的建设，github地址：pysft

本项目由浙江大学VAG的刘同学编写，基于pysyft实现了联邦学习框架下的对MNIST数据集分类任务，主要目的是供小组成员学习参考，代码编写较为规范，拥有良好的可扩展性。

|-- checkpoints/
|-- data/
|	|-- __init__.py
|	|__ dataset.py
|-- datasets/
|-- logs/
|	|__logging.txt
|-- models/
|	|-- __init__.py
|	|-- BasicModule.py
|	|__ models.py
|__ utils/
|	|-- __init__.py
|	|__ tools.py
|-- config.py
|-- main.py
|-- requirements.txt
|__ README.md

• checkpoints/: 存储模型参数
• data/: 数据集定义、预处理
• datasets/: 原始数据集
• logs/: 存储训练可视化产生的数据
• models/: 定义模型
• utils/: 放置需要的自定义工具函数
• config.py: 参数配置文件
• requirements.txt: 本项目的依赖库

安装依赖库

pip install -r requirements.txt	#在终端中使用以通过pip与项目文件requirements.txt安装所需依赖

本项目使用Facebook提供的科学可视化工具visdom进行训练/测试可视化

visdom	#在终端中使用以打开visdom，按照提示从浏览器进入其界面

main.py内置train(), val(), help()函数

python main.py help		#在终端中使用帮助函数，以查看使用方法
python main.py train	#在终端中使用训练函数，以默认参数配置开始联邦学习下的训练过程