fedpass算法实现相关问题

[123bazhahei]

请问 python/fate/ml/nn/test/test_fedpass_lenet.py 是否是论文 FedPass: Privacy-Preserving Vertical Federated Deep Learning with Adaptive Obfuscation 中的算法实现？ 如果是的话，有下面几个问题：

1. test_fedpass_lenet.py 似乎没有 passive party 对 feature 的 obfuscation
2. fedpass 实现在 agg_layer 中，是在 host（passive方）经过 bottom_model 之后执行，按上图不应该是在 guest（activate方）执行嘛

[talkingwallace]

hi，这个是按照论文开发的 混淆的逻辑在agglayer里，可以参考下agglayer里的代码

[talkingwallace]

具体代码在model_zoo 下的agg layer

[123bazhahei]

看到 agg_layer 了，混淆逻辑没问题，只是看论文里的用法：在 passive party feature 上使用，active party top_model 之前使用 和单测中的用法不一样，所以单测只是为了测试混淆逻辑，还是说单测还原了论文的实验？

[talkingwallace]

是会有一点不一样的 但是这个代码使用的是原论文的代码方法。单侧（passive party)的用法也是和原论文一致，还原了效果的

[123bazhahei]

好奇问一点，feature 的混淆逻辑为啥不做呢？ 我理解论文中的做法：passive party feature 混淆 保护 feature，active party 混淆 保护 label；按照单侧的做法 passive party 在 agg_layer 混淆 embedding（论文中这个混淆在 active party），active party 因为没有自己的 feature 只是把 embedding 做聚合+top model，这么做似乎不能保护 label

[123bazhahei]

还有一个问题：predict 的时候 这个 passport 还是需要过的对吧

[talkingwallace]

1. 没太明白您的意思，passive party的feature 混淆要用到passport，不会在active party 进行的？
2. passport会跟随模型保存的，预测需要passport

[123bazhahei]

第一个问题：这个图里 g_theta 的实现在哪里

[123bazhahei]

第二个问题：图中 g_w 这个passport 应该是在 active party(guest) 执行，为什么在代码里看上去在 passive party(host) 中执行

[talkingwallace]

guest(acitve) & host(passive) 都有这个agglayer，但是host的agglayer会执行passport相关的逻辑，而guest的是负责从host接受数据&反向传播，详细的可以看agglayer下fedpass 在host方的代码(你想要了解的图片里的红框部分）

[123bazhahei]

你还没明白我的问题，我的问题是论文的图上画的 host feature 需要执行 passport，但代码里 host feature 并没有执行passport 呀 请问 bottom model 在哪里执行了 passport

[talkingwallace]

passport相关的逻辑在这里

下面的这个过程 就是在 feature -> bottom_model -> agg_layer这个过程里完成的

[123bazhahei]

这里 g_theta 是 passport 呀，G_theta 是 bottom_model，应该是 feature -> passport -> bottom_model，代码里 feature -> bottom_model -> passport 不是和论文里不一样吗

[talkingwallace]

Hi, 你可以把这部分理解为一个完整的过程。这里实现的时候也是以论文代码为准的，论文代码里，比如说Lenet model，也是遵顼一个feature-> bottom_model -> passport的顺序的：

[123bazhahei]

请问论文代码有开源吗，看上去和论文的图是反着的...

[talkingwallace]

Hi~ 你可以发邮件问一下作者的，我不知道作者是否允许把代码分享其他人

[123bazhahei]

好的，谢谢