English

XFL是一个高性能、高灵活度、高适用性、轻量开放的联邦学习框架，支持横向联邦、纵向联邦等多种联邦模型，运用同态加密、差分隐私、多方安全计算等多种加密计算技术保护用户的原始数据不被泄露，使用安全通信协议保护通信安全，使用户在合法合规的基础上进行联合建模，实现数据价值。

项目特点

• 高性能的算法库

  • 算法全面：支持多种主流横向/纵向联邦算法
  • 性能优异：性能大幅领先于信通院性能评测平均水平
  • 网络优化：在弱网络、高延迟、大量丢包、较长时间断网的情况下依然可以完成训练任务

• 应用部署灵活

  • 计算节点灵活： 支持两方/多方计算节点部署
  • 算力调配灵活： 无论有无label，支持任何一方为发起方，支持辅助计算节点部署在任一方
  • 安装部署灵活： 支持CPU/GPU/混合部署

• 轻量开放

  • 轻量： 对服务器性能要求低，部分算法可在性能较差的环境下运行
  • 开放：支持 PyTorch、TensorFlow、PaddlePaddle、 Jax 等主流机器学习框架，支持用户自定义横向模型

• 支持大语言模型

快速开始

Document

• Document

Tutorial

• 简介

Algorithms

• 算法列表
• 密码算法
• 差分隐私
• 联邦ChatGLM

Development

• API
• 开发指南

License

Apache License 2.0