信也科技推出工業級圖聯邦技術FateGraph 隱私計算領域取得關鍵性突破

轉自：中國網財經

　　近年來，隱私計算技術作為確保數據安全流動的有效途徑，得到了高速發展，逐漸成為促進跨領域數據流動和應用的核心技術，廣泛應用於金融、醫療保健、能源製造等領域。

　　經過在圖聯邦領域的長期探索，近日，信也科技成功加入全球首個聯邦學習開源社區FATE，並以工業級隱私計算框架FATE為基礎，針對金融反欺詐場景進行了深入研究，成功研發了圖聯邦技術FateGraph，解決了圖數據在不同單位和機構之間的孤島問題，從而擴展了隱私計算的應用範圍。

信也科技旗下上海上湖被授予為FATE開源社區成員單位

加密聯合建模 打通數據壁壘

　　隨着數據的不斷增長和應用場景的不斷擴展，隱私保護問題已經成爲了一個全球性的關注點。聯邦學習作為隱私計算的三個關鍵技術之一，通過加密聯合建模打通了各個企業之間數據的壁壘同時保護了數據的私有性質。

　　以FATE為例，現存聯邦學習算法對於表格數據、圖片、文本等結構化數據有着廣泛的算法支持，而對於非結構化的圖數據卻較難實現工業級。有一些輕量級的聯邦學習平臺如FedGraph、FederatedScope等，在安全性、穩定性、易用性方面有所不足。在一些實驗場景中發現，相對於單點GNN(圖神經網絡)的計算速度，FedGraph的用時較長，主要受限於通信、加密及存儲。

　　在實際場景中，圖模型常用於反欺詐、分子製藥、社交網絡、營銷等。目前，信也科技研發的圖聯邦技術FateGraph已同步發佈於FATE開源社區，為圖數據的隱私保護提供了更加高效、可靠的解決方案。

圖聯邦技術工業化應用 有效保證隱私安全

　　信也科技FateGraph已成功集成到聯邦學習算法功能組件FederatedML框架中，從而實現了圖聯邦技術的工業化應用。FateGraph能夠最大程度複用該組件進行深度學習，且所有計算均在密文空間內進行，有效保證了隱私安全。

FateGraph作為算法插件集成在FederatedML框架中

多樣化應用功能 為數據安全保駕護航

　　FateGraph集成了學界廣泛使用的PyG(Pytorch-geometric，基於pytorch的圖神經網絡框架)，使用户能夠像對單點GNN建模一樣，在聯邦環境下實現圖算法，過程更加簡單高效。

　　1.支持PyG所有圖卷積算子，如GCN，Sage，Gin，Gprgnn等；

　　2.支持PyG的DataLoader，用户可以繼承此類開發，自定義數據加載器；

　　3.子圖採樣，可加載局部圖完成訓練，節省資源佔用；

　　4.自定義圖算法，以py文件形式提交后臺執行，與非聯邦環境編程的用户體驗類似；

　　5.支持節點分類和子圖分類兩種任務。

　　當前，圖聯邦作為一個相對較新的應用領域，在通信、加密等環節還存在很多限制。為進一步推廣該技術，信也科技將努力加強研發創新，降低通信開銷，聯合其他FATE開源社區的成員單位推出更多工業級的圖聯邦數據集，推動隱私計算技術的長足發展，為數據安全保駕護航。