此 ISSUE 为 隐语开源共建计划（SecretFlow Open Source Contribution Plan，简称 SF OSCP）第二期 #879 特别任务的子任务。

也欢迎开发者点击这里，选择你感兴趣的任务参与隐语社区共建，热烈欢迎社区开发者参与共建～

设计思路

by BlingYYa

• 服务方初始化全局模型广播给各个参与方后，利用奇异值分解（SVD）对其每一层进行矩阵分解；
• 参与方进行本地训练，在上传参数前利用SVD对本地参数逐层分解并上传，降低上传参数矩阵的维度；
• 服务方利用自身分解的矩阵对参与方上传的矩阵进行重构并聚合，更新全局模型；
• 不断重复上述步骤直至全局模型收敛。

任务介绍

• 任务名称：【特别任务】联邦学习中的安全聚合方案设计以及实现
• 技术方向：Federated Learning
• 任务难度：挑战🌟🌟🌟
• 说明：本任务不参与🌟累计哈～

详细要求

安全聚合是解决联邦学习中梯度泄露问题的有效手段。然而，现有安全聚合方案仍可能存在“参与方掉线不容忍”、“聚合行为不可控”、“共谋推断不可抗”和“系统效能不实际”等问题。希望同学们能够在这个开放问题下，设计出安全，可行，巧妙的算法来解决联邦学习聚合中遇到的安全问题，效率问题，掉线问题等等。解决方法不限，可以使用 TEE，同态，多方安全计算等各种技术作为辅助。

• 安全性： 尽量少 reveal，设计出的聚合算法没有算法层面的安全问题
• 功能性：可以将实现落到 SecretFlow 的 aggregator 中，可以无缝替换其他的聚合方法。
• 收敛性：聚合结果需要保证正确性
• 代码规范：Python 代码需要使用 black+isort 进行格式化（流水线包含代码规范检查卡点）
• 提交要求：关联该 issue 并提交代码，代码提交细节请与蚂蚁导师进行沟通！！

能力要求

• 网空项目——安全聚合项目参与同学

操作说明

• 可参考 SecretFlow 中的 aggregator