FATE（Federated AI Technology Enabler）是微眾銀行AI團隊研發的全球首個聯邦學習工業級開源框架，旨在提供安全的計算框架來支援聯邦 AI 生態。FATE 實現了基於同態加密和多方計算（MPC）的安全計算協議，它支援聯邦學習架構和多種機器學習演算法的聯邦學習實現，包括邏輯迴歸、基於樹的演算法、深度學習和遷移學習等等。
3月31日，FATE推出 v1.6版本更新。在1.6版本中，最佳化了效能效率及穩定性，在使用體驗方面，根據社群的反饋也有多方面的最佳化，將帶來更流暢的使用體驗。
此外，新版本對其他FederatedML、System Architecture、FATE-Test、FATE-Board、KubeFate等多個模組都進行了更新及改進，五大模組更新如下：
FederatedML
1、縱向SecureBoost 計算機制最佳化，支援GOSS、直方圖相減、密文壓縮等機制，效能提升2-4倍；
2、縱向SecureBoost支援L1、min_child_weight，緩解過擬合問題；
3、縱向SBT增加deterministic選項，解決因為浮點誤差帶來的直方圖計算不穩定性問題；
4、新增特徵工程元件SecureBoost Transformer，使用SecureBoost的葉子結點進行樣本編碼；
5、隱私交集模組支援隨機數複用和分組計算均衡機制，效能提升30%；
6、隱私保護交集支援國密SM3雜湊演算法；
7、縱向GLM最佳化計算通訊流程，支援低精度加密運算，效能提升可達2倍；
8、縱向神經網路支援低精度加密運算，支援SelectiveBackPropagation、互動層的dropOut，效能提升2倍；
9、縱向特徵分箱最佳化計算邏輯，減少資料複製和記憶體消耗，支援密文壓縮，效能提升2倍；
10、縱向Pearson模組支援本地VIF的計算；
11、聯邦特徵選擇新增Pearson相關性和VIF共線性過濾器；
12、橫向神經網路支援直接輸入影像資料進行訓練和預測；
13、橫向神經網路torch後端重構和語法最佳化；
14、新增橫向聯邦分箱，支援virtual和迭代式2種橫向聯邦分箱機制；
15、新增樣本加權模組，支援列加權和標籤加權機制，縱向GLM、縱向SecureBoost支援加權訓練；
16、新增元件data_transformer，支援輸入資料schema大小寫不敏感；
17、LocalBaseline元件支援離線預測；
18、CrossValidation支援輸出資料切分明細；
19、Evaluation模組支援多分類評估指標的one-vs-rest展開成二分類指標功能。
System Architecture
1、新增本地檔案系統目錄路徑虛擬儲存引擎，以支援影像輸入資料；
2、新增訊息佇列Pulsar跨站點傳輸引擎，可搭配Spark計算引擎使用，並可加入Exchange角色支援星型站點組網模式。
FATE-Test
1、FATE-Test新增演算法效率比較，支援自動化資料的生成；
2、FATE-Test支援flow介面的自動化迴歸和正確性測試，覆蓋rest\cli\sdk三類介面；
3、FATE-Test支援flow流程自動化迴歸訓練、預測、線上推模型的全流程；
4、FATE-Test演算法效果對比功能增強，支援驗證集指標一致性對比。
FATE-Board
1、SBT Transformer：新增sbt transformer元件，支援利用hetero_sbt模型對樣本特徵進行重新編碼；
2、Sample Weight：新增sample weight元件，可為樣本進行加權，當前支援根據標籤指定權重或根據特徵列自動提取權重；
3、Homo Feature Binning：新增homo feature binning元件，用於橫向聯邦場景下的分箱，當前支援檢視各特徵的分箱數及分箱區間；
4、Data Transformer：新增data transformer元件，該元件繼承data IO元件的功能，同時支援大小寫不敏感等新特性；
5、Reader：支援讀入影像檔案；
6、Hetero Feature Binning：支援根據woe篩選檢視分箱；
7、Pearson：支援計算特徵VIF值；
8、Feature Selection：支援使用pearson進行特徵選擇；
9、SecureBoost：支援同時檢視模型的gain和split兩類特徵重要性，二分類情形下Performance Score支援檢視彙總圖表；
10、CV元件：支援檢視和下載每一折的訓練集樣本及其訓練結果；
11、Evaluation：支援檢視one_vs_rest各子模型的二分類指標及彙總視覺化圖表；
12、可在Board上匯出當前任務的dsl和conf檔案；
13、可根據合作成員的party_id條件搜尋job；
14、最佳化元件資料/模型下載功能；
15、最佳化迭代次數過多/cv折數過多情況下Performance Score的圖表展示。
KubeFate
1、支援FATE v1.6.0部署，方便配置切換不同的計算引擎、儲存引擎、傳輸引擎；
2、支援最新的Pulsar傳輸引擎配置，以及Pulsar exchange模式配置；
3、改進Spark作為計算引擎的配置；
4、新增Kubernetes日誌聚合，提高錯誤追蹤能力；
5、新增叢集部署任務的停止功能。
瞭解更多聯邦學習相關資訊，可參考官網（https://www.fedai.org）或者掃描下方二維碼，新增小助手。
