Fedflow：基于 FeatureCloud 平台的联邦学习云编排

《Bioinformatics Advances》：Fedflow: cloud orchestration for federated learning with the FeatureCloud platform

　　

摘要

动机

联邦学习（FL）能够在地理上分布的基因组和临床数据集上进行协作模型训练，同时遵守数据隐私法律和监管约束。FeatureCloud 是一个现有的联邦学习平台，提供易于访问的基于网络的界面和大量已实现方法的库。然而，由于其图形界面，FeatureCloud 需要所有参与者进行手动交互，限制了自动化、迭代和可重复性。

结果

我们介绍了 fedflow，一个基于 Python 的命令行工具，用于在 FeatureCloud 中进行联邦学习任务的全自动编排。该工具使用分布式计算资源（如虚拟机或云实例）来自动化此类工作流程。这使得可以在本地模拟或部署在可信环境中进行可扩展的联邦计算。此外，我们展示了如何利用 fedflow 将 FeatureCloud 集成到可重复的 Snakemake 工作流中。为此，我们使用两种联邦算法重新分析了一个宏基因组数据集，并将结果与集中式方法（池化数据）进行比较。总体而言，fedflow 实现了多客户端联邦学习任务的自动化，促进了 FeatureCloud 在标准生物信息学流程中的嵌入，从而有助于提高可重复性。

可用性

Fedflow 是开源的，可在 https://github.com/W-L/fedflow 获取。