数据是人工智能的基石，打破数据孤岛，实现数据共享是加速人工智能高速发展的必要条件。联邦学习，作为数据安全计算的业界前沿技术方案，在保护数据隐私的同时深度连接各个合作方，达到技术赋能、共创共赢的目标。
- 整个系统分为四个大模块
- 整体调度与转发模块
- 资源管理与调度模块
- 数据求交模块
- 训练器模块
- 整体控制数据求交与训练的调度
- 训练器的配对工作
- 高效的流量转发
- 使用k8s屏蔽底层资源差异
- 使用k8s进行资源的动态调度
- 大规模多模态跨域数据整合
- 异步分布式框架提升拼接效率
- 分布式框架训练支持，提升系统的吞吐性能
- 异常恢复、failover机制
- 高效的网络传输协议设计
以mnist为例，提供数据求交和模型训练的demo
支持单机版与分布式版本的部署方式
- 欢迎通过issue和邮件组（9nfl-opensource@jd.com）联系我们
- 我们正在积极寻求合作伙伴，希望获得9nFL企业级支持的公司和团队，可以联系（9nfl-partner@jd.com），与我们进一步的洽谈。
9nFL使用apache2.0许可
9nFL由京东集团-京东零售-商业提升事业部荣誉出品，核心贡献团队包括质量部站外效果优化团队、算法服务化组、模型组、算法创新组等。