NVIDIA FLARE: Federated Learning from Simulation to Real-World

要約

タイトル：NVIDIA FLARE: 仮想空間から現実世界への連合学習

要約：
– 連合学習は、複数のコラボレーターから多様なデータセットを集め、データを中央集権化することなく堅牢で一般的な人工知能モデルを構築することを可能にします。
– NVIDIA FLAREは、オープンソースのソフトウェア開発キット（SDK）であり、データサイエンティストがFLを研究や現実世界の応用に使いやすくするために作成されました。
– SDKには、最新のFLアルゴリズムと分散学習のためのフレームワークが含まれており、企業間の分散学習ワークフローの構築を容易にし、ホモモルフィック暗号化や差分プライバシーを活用した安全なプラットフォームの作成を可能にします。
– このSDKは軽量で柔軟性があり、スケーラブルなPythonパッケージであり、研究者がPyTorch、TensorFlow、XGBoost、NumPyなどのトレーニングライブラリでデータサイエンスワークフローを実行し、現実世界のFL環境に応用することもできます。
– この論文では、NVFlareの主要な設計原則を紹介し、さまざまなプライバシー保護アルゴリズムを実装したカスタマイズ可能なFLワークフローを備えた使用例（COVID分析など）を示しています。コードはhttps://github.com/NVIDIA/NVFlareで入手可能です。

要約(オリジナル)

Federated learning (FL) enables building robust and generalizable AI models by leveraging diverse datasets from multiple collaborators without centralizing the data. We created NVIDIA FLARE as an open-source software development kit (SDK) to make it easier for data scientists to use FL in their research and real-world applications. The SDK includes solutions for state-of-the-art FL algorithms and federated machine learning approaches, which facilitate building workflows for distributed learning across enterprises and enable platform developers to create a secure, privacy-preserving offering for multiparty collaboration utilizing homomorphic encryption or differential privacy. The SDK is a lightweight, flexible, and scalable Python package. It allows researchers to apply their data science workflows in any training libraries (PyTorch, TensorFlow, XGBoost, or even NumPy) in real-world FL settings. This paper introduces the key design principles of NVFlare and illustrates some use cases (e.g., COVID analysis) with customizable FL workflows that implement different privacy-preserving algorithms. Code is available at https://github.com/NVIDIA/NVFlare.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI