阿里巴巴集团提出FederatedScope-GNN:朝着统一、全面和 联邦图学习的高效包

​

FederatedScope-GNN: Towards a Unified, Comprehensive and  Efficient Package for Federated Graph Learning

Zhen Wang， Weirui Kuang， Yuexiang Xie ， Liuyi Yao， Yaliang Li， Bolin Ding， Jingren Zhou

[Alibaba Group]

【论文链接】https://arxiv.org/pdf/2204.05562.pdf

【摘要】 联邦学习(FL)的惊人发展使计算机视觉和自然语言处理领域的各种任务受益匪浅，现有的 TFF 和 FATE 等框架使其在现实应用中的部署变得简单易行。然而，联邦图学习(FGL)由于其独特的特点和需求，即使在图数据普遍存在的情况下，也没有得到很好的支持。FGL 相关框架的缺乏增加了实现可重复性研究和在现实应用中部署的工作。在这种强烈的需求驱动下，本文首先讨论了创建一个易于使用的 FGL 包所面临的挑战，并据此提出了我们实现的软件包 FederatedScope-GNN (FS-G) ，它提供了(1)模块化和表达 FGL 算法的统一视图; (2)开箱即用 FGL 功能的综合 DataZoo 和 ModelZoo; (3)高效的模型自动调优组件; (4)现成的隐私攻击和防御能力。我们通过大量的实验验证了 FS-G 的有效性，同时为社区获得了许多关于 FGL 的有价值的见解。此外，我们使用 FS-G 服务于真实电子商务场景中的 FGL 应用程序，所获得的改进表明了巨大的潜在商业利益。作为 FederatedScope 的子模块，我们公开发布 FS-g， https://github.com/alibaba/FederatedScope 是为了促进 FgL 的研究，并使得由于缺乏专用软件包而不可行的广泛应用成为可能。

​Read More