联合计算

用于实现分布式计算的计算框架

联合计算是用于实现分布式计算的一种计算框架，可以融合多种计算设备（移动电话，平板电脑，嵌入式设备，台式计算机，传感器，数据库服务器等）的计算，每个计算设备都执行一段有意义的计算，并通过网络将计算结果与其他人协同汇聚。

来源背景

联合计算来源于TensorFlow，是用于实现分布式计算的一种计算框架，可以融合多种计算设备（移动电话，平板电脑，嵌入式设备，台式计算机，传感器，数据库服务器等）的计算，每个计算设备都执行一段有意义的计算，并通过网络将计算结果与其他人协同汇聚。

分布式计算是非常通用的术语，根据TensorFlow官方描述，已经实现的TensorFlow Federated Learning并不针对所有分布式算法类型，因此使用通用的术语联合计算来描述可以在此框架中支持的算法类型。

在某种程度上，FC的目标是在类似伪代码的抽象级别上实现程序逻辑的类似紧凑表示，该程序逻辑不是伪代码，而是可以在各种目标环境中执行的。

定义

FC设计要表达的各种算法的关键定义特征是，以集体方式描述系统参与者的行为。因此，我们倾向于谈论每个设备在本地转换数据的过程，以及由中心服务广播，收集或汇总其结果的设备协调工作。

尽管TFF已被设计为能够超越简单的客户端-服务器体系结构，但是集体处理的概念是至关重要的。这是由于TFF起源于联合学习，该技术最初旨在支持对仍在客户端设备控制下的潜在敏感数据进行计算，并且出于隐私原因可能不会简单地下载到集中式位置。尽管此类系统中的每个客户都在为系统计算结果贡献数据和处理能力，但还需要维护每个客户的隐私和匿名性。

因此，尽管大多数用于分布式计算的框架旨在从单个参与者的角度（即，在单个点对点消息交换的级别，以及参与者的本地状态转换与传入和传出消息的相互依赖性）的角度表达处理。 TensorFlow的联合计算旨在从全局系统范围的角度（类似于MapReduce）描述系统的行为。

因此，虽然一般用途的分布式架构可提供如操作发送和接收的块，FC提供块等tff.federated_sum，tff.federated_reduce或tff.federated_broadcast封装简单的分布式协议。

联合计算生态

分布式计算项目ALITA基于区块链和FC，研发成功了基于安卓手机的MapReduce联合计算框架。用户安装一个app，即可成为计算网络中的一个节点。同时框架支持其他异构设备，包括PC、服务器、智能盒子。社区组成来自区块链矿工、家用闲置设备、数据中心闲置资源等。

典型场景

个人隐私保护

计算任务可以被分解为多个子任务，调度在存储用户个人隐私的手机终端，然后将结果安全聚合，避免了收集个人隐私数据带来的泄露风险。

企业数据安全共享

联合计算是基于数据+计算+算法的服务化交换可信网络，对数据的授权、使用都是公开可追溯、审计的，为企业提供一个多方的协作授权和审计体系。审计粒度可控，既保障核心算法的知识产权，又将授权、行列操作日志、数据血缘等信息记录在区块链账本上，做到数据授权和使用都公开且不可篡改，完整建立终端用户、数据源各企业和平台的多方互信机制。

全国各地天气预报查询

上海市

云南省

云南省

云南省

云南省

云南省