1 方案优势
• 高安全性
去中心化联邦协议，不依赖可信第三方。
Freedman多项式加密安全求交PSI，Blind RSA求交协议。
高效同态加密运算，消息加密传输。
支持同态加密、秘密分享、差分隐私、SGX等多种安全机制。
• 高性能
异步并发mini-batch训练。
Paillier3性能加密10K/s，解密1K/s。
千万级样本，1小时完成XGBoost训练。
支持海量数据，训练性能比业界框架快5+倍。
• 高更易性
支持横向纵向，模型训练，模型预测等全栈功能。
模型包括LR、XGBoost、DNN。
可视化拖拉拽操作。
• 效果表现
在金融风控、广告推荐、智慧政务等业务场景落地。
AUC/KS指标相比单方建模效果提升明显。
2 应用场景
• 安全求交-保护非交集样本
场景描述：比如A和B达成协议，基于B的用户画像帮助A做精准营销，但需要排除A已有的客户，节省营销成本和避免客户骚扰。
• 联合分析-联合数据计算洞察
场景描述：比如广告主拥有大量的沉寂客户，需要借助数据源的画像信息进行精准促活，比如需要精准定向年龄大于某值的沉寂账户进行电话营销。
• 联合建模-联合数据预测
场景描述：比如信用卡中心拥有客户的逾期信息和资产情况，数据源拥有互联网用户画像，两者达成合作协议，结合双方数据共同建立信用卡申请反欺诈模型，提升模型效果，但各自数据都不能离开本地。
• 隐匿查询-保护查询ID
场景描述：比如车企4s店拥有不少的销售线索，需要调用数据源的营销风险分接口，做个筛选。但销售线索是车企的潜在重要资产，不想被数据源泄露给同行，所以既需要保护查询的手机号码，同时又能获得数据源的营销风险分。
• 其他场景
可按需定制应用场景方案。
3 产品架构
3.1 特征数据、标签样本、模型隔离：
• 双方各持有隐私数据与部分模型
• 模型训练阶段不涉及任何数据和模型参数交换
• 模型部署阶段联合使用
3.2 无损融合效果
• 融合多方数据能力
• 数据底层融合、模型端到端训练
• 联邦学习效果与数据集中建模效果相等，优于任一单边建模
4 功能特性（省略）
功能列表：资源管理、项目管理、查询管理、系统管理、权限管理
5 技术指标
部署环境：
1. 服务器以及服务架构拓扑（省略）
主要节点类型：
客户端：联邦训练节点，通过通讯节点配合进行联邦学习训练。
管理平台：作为协助方帮助客户端进行建模前的协调、审核等工作。
通讯节点：为客户端训练提供通讯服务。
2. 机器资源
内容为架构图对应的机器需求。如需了解，请联系革新。
3. 网络以及软件准备
软件要求、网络环境要求。
