作者：潘少穎 來源：IT時報

近年來，隱私計算技術作爲確保數據安全流動的有效途徑，得到了高速發展，逐漸成爲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、能源制造等領域。

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开源社區FATE，並以工業級隱私計算框架FATE爲基礎，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。

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全球性的關注點。聯邦學習作爲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爲例，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台如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、分子制藥、社交網絡、營銷等。目前，信也科技研發的圖聯邦技術FateGraph已同步發布於FATE开源社區，爲圖數據的隱私保護提供了更加高效、可靠的解決方案。

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能夠最大程度復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），使用戶能夠像對單點GNN建模一樣，在聯邦環境下實現圖算法，過程更加簡單高效。

——支持PyG所有圖卷積算子，如GCN，Sage，Gin，Gprgnn等；

——支持PyG的DataLoader，用戶可以繼承此類开發，自定義數據加載器；

——子圖採樣，可加載局部圖完成訓練，節省資源佔用；

——自定義圖算法，以py文件形式提交後台執行，與非聯邦環境編程的用戶體驗類似；

——支持節點分類和子圖分類兩種任務。

當前，圖聯邦作爲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。爲進一步推廣該技術，信也科技將努力加強研發創新，降低通信开銷，聯合其他FATE开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，爲數據安全保駕護航。

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。

---

標題：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

地址：https://www.breakthing.com/post/60982.html