اینتل با Penn Medicine، VMware و Flower Labs همراه شد تا OpenFL را در LF AI & Data Foundation به نمایش بگذارد. نمایندگان این شرکت‌ها به بنیاد ملحق خواهند شد تا یک کمیته راهبری فنی برای OpenFL تشکیل دهند که یک اکوسیستم خنثی از فروشنده را برای این پروژه تقویت می‌کند و ورودی‌هایی را ارائه می‌کند که توسعه آن را هدایت می‌کند. به عنوان یک پروژه جوجه کشی با LF AI & Data Foundation، اساس عملیات پروژه در حال ایجاد است.
: OpenFL یک چارچوب یادگیری فدرال است که به گونه ای طراحی شده است که انعطاف پذیر، قابل توسعه و ایمن باشد. این سازمان‌ها را قادر می‌سازد تا در یادگیری ماشینی چندجانبه مشارکتی بدون انتقال داده‌های محرمانه یا تنظیم‌شده خود به خارج از سایت شرکت کنند. در عوض، الگوریتم داده‌ها را در جایی که در آن قرار دارد پردازش می‌کند و سپس نتایج ناشناس به صورت مرکزی ادغام می‌شوند. داده های هیچ حزبی در معرض سایر شرکت کنندگان قرار نمی گیرد.
ما خوشحالیم که از OpenFL در LF AI & Data Foundation استقبال می کنیم. رویکرد نوآورانه این پروژه که به سازمان ها اجازه می دهد به طور مشترک مدل های یادگیری ماشین را در چندین دستگاه یا مراکز داده آموزش دهند بدون اینکه نیازی به اشتراک گذاری داده های بی رحمانه باشد، کاملاً با ماموریت ما برای تسریع رشد و توسعه هماهنگ است. دکتر ابراهیم حداد، مدیر اجرایی LF AI & Data Foundation، گفت: ما مشتاقانه منتظر همکاری با افراد با استعداد پشت این پروژه و مشارکت در موفقیت آن هستیم.
دانشمندان داده می‌توانند از این رویکرد یادگیری ماشینی توزیع‌شده (ML) استفاده کنند تا سازمان‌ها را قادر می‌سازد تا در تجزیه و تحلیل‌های سودمند متقابل بدون افشای داده‌های حساس یا الگوریتم‌های ML در معرض سایر طرف‌ها همکاری کنند. صنایعی مانند مراقبت های بهداشتی، خدمات مالی، خرده فروشی و تولید از FL برای به دست آوردن بینش ارزشمند از داده ها استفاده می کنند، به گونه ای که به طور ایمن چندین سیستم و مجموعه داده ها را به هم متصل می کند و موانعی را که مانع از تجمع داده ها برای تجزیه و تحلیل می شود، حذف می کند.
ادغام منبع باز Intel SGX با OpenFL امروز پشتیبانی می شود و ویژگی های امنیتی اضافی برای نسخه های بعدی برنامه ریزی شده است. ادغام با سایر سخت افزارهای TEE نیز می تواند توسط مشارکت کنندگان به پروژه اضافه شود.
