聯合計算

聯合計算來源於 ^[2]  TensorFlow，是用於實現分佈式計算的一種計算框架，可以融合多種計算設備（移動電話，平板電腦，嵌入式設備，台式計算機，傳感器，數據庫服務器等）的計算，每個計算設備都執行一段有意義的計算，並通過網絡將計算結果與其他人協同匯聚。

分佈式計算是非常通用的術語，根據TensorFlow官方 ^[3]  描述，已經實現的 ^[4]  TensorFlow Federated Learning並不針對所有分佈式算法類型，因此使用通用的術語聯合計算來描述可以在此框架中支持的算法類型。

在某種程度上， ^[5]  FC的目標是在類似偽代碼的抽象級別上實現程序邏輯的類似緊湊表示，該程序邏輯不是偽代碼，而是可以在各種目標環境中執行的。

^[5]  FC設計要表達的各種算法的關鍵定義特徵是，以集體方式描述系統參與者的行為。因此，我們傾向於談論每個設備在本地轉換數據的過程，以及由中心服務廣播，收集或彙總其結果的設備協調工作。

儘管TFF已被設計為能夠超越簡單的客户端-服務器體系結構，但是集體處理的概念是至關重要的。這是由於TFF起源於聯合學習，該技術最初旨在支持對仍在客户端設備控制下的潛在敏感數據進行計算，並且出於隱私原因可能不會簡單地下載到集中式位置。儘管此類系統中的每個客户都在為系統計算結果貢獻數據和處理能力，但還需要維護每個客户的隱私和匿名性。

因此，儘管大多數用於分佈式計算的框架旨在從單個參與者的角度（即，在單個點對點消息交換的級別，以及參與者的本地狀態轉換與傳入和傳出消息的相互依賴性）的角度表達處理。 TensorFlow的聯合計算旨在從全局系統範圍的角度（類似於 ^[1]  MapReduce）描述系統的行為。

因此，雖然一般用途的分佈式架構可提供如操作發送和接收的塊， ^[5]  FC提供塊等tff.federated_sum，tff.federated_reduce或tff.federated_broadcast封裝簡單的分佈式協議。

分佈式計算項目ALITA基於區塊鏈和FC，研發成功了基於安卓手機的MapReduce聯合計算框架。用户安裝一個app，即可成為計算網絡中的一個節點。同時框架支持其他異構設備，包括PC、服務器、智能盒子。社區組成來自區塊鏈礦工、家用閒置設備、數據中心閒置資源等。

計算任務可以被分解為多個子任務，調度在存儲用户個人隱私的手機終端，然後 ^[3]  將結果安全聚合，避免了收集個人隱私數據帶來的泄露風險。

聯合計算是基於數據+計算+算法的服務化交換可信網絡，對數據的授權、使用都是公開可追溯、審計的，為企業提供一個多方的協作授權和審計體系。審計粒度可控，既保障核心算法的知識產權，又將授權、行列操作日誌、數據血緣等信息記錄在區塊鏈賬本上，做到數據授權和使用都公開且不可篡改，完整建立終端用户、數據源各企業和平台的多方互信機制。