检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
评估型横向联邦作业流程 基于横向联邦作业的训练结果，可以进一步评估横向联邦模型，将训练好的模型用于预测。 选择对应训练型作业的“历史作业”按钮，获取最新作业的模型结果文件路径。 图1 查看模型结果文件的保存位置 前往工作节点上步骤1展示的路径，下载模型文件。由于Logistic
reason”报错信息。 问题分析 该报错大概率是资源配额不足导致作业执行失败。 解决方案 如果是纵向联邦学习作业，您可以在该纵向联邦作业详情页面尝试新增内存配额和CPU配额，然后重新执行作业。 如果是横向联邦学习作业，您可以在该横向联邦作业详情页面尝试新增内存配额和CPU配额，然后保存、提交审批，等待审批通过后再重新执行作业。
首先企业A要在“数据选择”页面选择双方发布的数据集，已选择的数据集会出现在右侧，所选的数据集会用于后续的步骤。 父主题： 使用TICS可信联邦学习进行联邦建模
基于多方安全计算功能准备好合适的数据，本文主要介绍双方对已有的数据进行样本对齐、特征筛选和联邦建模，并对产生的模型进行评估。 父主题： 使用TICS可信联邦学习进行联邦建模
根据计算得出的iv值，企业A调整了训练使用的特征，没有选用双方提供的特征全集，去掉了部分iv值较低的特征，减少了无用的计算消耗。 父主题： 使用TICS可信联邦学习进行联邦建模
参与方不同的数据集即可发起模型评估。 至此使用可信联邦学习进行联邦建模的过程已经完成，企业A已经训练出了一个符合自己要求的算法模型，后续文档会介绍如何使用已有的算法模型对新的数据进行预测。 父主题： 使用TICS可信联邦学习进行联邦建模
其中为了保证数据安全，企业A和大数据厂商B通过讨论决定使用hash过后的手机号作为已有数据的唯一标识id字段，并将唯一标识作为数据对齐的依据。 父主题： 使用TICS可信联邦学习进行联邦建模
择双方的样本对齐字段，并单击“对齐”按钮执行样本对齐。执行完成后会在下方展示对齐后的数据量及对齐结果路径。 父主题： 使用TICS可信联邦学习进行联邦建模
大数据厂商B的数据集如下： 创建数据集后单击“发布”按钮即可将数据的元数据信息发布到tics空间侧，供其他合作方参考。 父主题： 使用TICS可信联邦学习进行联邦建模
”； “消息端点名称”参数值为“tics-agent”； “服务端口”参数值为“30000”。 选择左侧“边云消息”列，单击“消息路由”，勾选“专业版服务实例”，填写相关参数。 “消息路由名称”参数值为“tics-agent-route”； “源端点”参数值为“SystemREST”；
文件管理是可信智能计算服务提供的一项管理联邦学习模型文件的功能。通过文件管理，参与方无需通过登录后台手动导入模型文件，而是直接将模型文件上传到数据目录进行管理。 使用文件管理功能后，创建联邦学习作业时用户可以便捷地选择自己以前上传的执行脚本、训练模型、数据文件、权重参数文件，极大地提高了系统的易用性及可维护性。
n或者en_us Content-Type 是 String 发送的实体的MIME类型 响应参数 状态码： 200 表3 响应Body参数 参数 参数类型 描述 ext String 参数等额外信息，最大长度32 job_ins_id String 实例id，最大长度32 job_id
”； “消息端点名称”参数值为“tics-agent”； “服务端口”参数值为“30000”。 选择左侧“边云消息”列，单击“消息路由”，勾选“专业版服务实例”，填写相关参数。 “消息路由名称”参数值为“tics-agent-route”； “源端点”参数值为“SystemREST”；
”； “消息端点名称”参数值为“tics-agent”； “服务端口”参数值为“30000”。 选择左侧“边云消息”列，单击“消息路由”，勾选“专业版服务实例”，填写相关参数。 “消息路由名称”参数值为“tics-agent-route”； “源端点”参数值为“SystemREST”；
护数据使用方的数据查询和搜索条件，避免因查询和搜索请求造成的数据泄露。 可信联邦学习 可信联邦学习是可信智能计算服务提供的在保障用户数据安全的前提下，利用多方数据实现的联合建模，曾经被称为联邦机器学习。 联邦预测作业 联邦预测作业在保障用户数据安全的前提下，利用多方数据和模型实现样本联合预测。
据源注册、隐私策略（敏感，非敏感，脱敏）的设定、元数据的发布等，为数据源计算节点提供全生命周期的可靠性监控、运维管理。 可信联邦学习 对接主流深度学习框架实现横向和纵向的联邦训练，支持基于安全密码学(如不经意传输、差分隐私等)的多方样本对齐和训练模型的保护。 数据使用监管 为数据
提升计算并行度 可以在作业开发界面的运行参数中，填写user.task.concurrency参数，提升用户侧此类加密任务的并行度。推荐该值填4-16左右，不建议超过30。 图1 填写参数 tics.task.concurrency参数提升的是tics平台提供的计算节点并发度，一般填写4左右即可，不建议超过8。
实时预测作业必须选择训练FiBiNet模型的参与方计算节点发布的数据集。 创建训练模型时参数必须有"save_format": "SAVED_MODEL"。 创建联邦预测作业 实时预测作业在本地运行，目前仅支持深度神经网络FiBiNet算法。 用户登录进入计算节点页面。 在左侧导航树上依次选择“作业管理
/v1/agents/{agent_id}/job-instances 表1 路径参数 参数 是否必选 参数类型 描述 agent_id 是 String 可信计算节点id 表2 Query参数 参数 是否必选 参数类型 描述 offset 是 Integer 起始位置。 当前页面数，默认为0，取值0-2147483647。
在左侧导航树上依次选择“作业管理 > 可信联邦学习”，打开可信联邦学习作业页面。 在“联邦预测”页面，选择批量预测的Tab页，找到待开发的作业，单击“开发”。 图1 开发作业 在弹出的对话框中编辑“选择模型”。只允许选择模型，其它作业参数暂时不支持修改。 单击保存。 父主题： 批量预测
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
