iFLearner是一个强大且轻量的联邦学习框架，提供了一种基于数据隐私安全保护的计算框架， 主要针对深度学习场景下的联邦建模。其安全底层支持同态加密、秘密共享、差分隐私等多种加密技术， 算法层支持各类深度学习网络模型，并且同时支持Tensorflow、Mxnet、Pytorch等主流框架。
iFLearner主要基于以下原则进行设计:
-
事件驱动机制: 使用事件驱动的编程范式来构建联邦学习，即将联邦学习看成是参与方之间收发消息的过程， 通过定义消息类型以及处理消息的行为来描述联邦学习过程。
-
训练框架抽象: 抽象深度学习后端，兼容支持Tensorflow、Pytorch等多类框架后端。
-
扩展性高：模块式设计，用户可以自定义聚合策略，加密模块，同时支持各类场景下的算法。
-
轻量且简单：该框架Lib级别，足够轻量，同时用户可以简单改造自己的深度学习算法为联邦学习算法。
- Installation
- Quickstart (TensorFlow)
- Quickstart (PyTorch)
- Quickstart (MXNet)
- Quickstart (keras)
- Quickstart (DP-Opacus)
- Quickstart (SMPC)
