XFL是一个高性能、高灵活度、高适用性、轻量开放的联邦学习框架，支持横向联邦、纵向联邦等多种联邦模型，运用同态加密、差分隐私、多方安全计算等多种加密计算技术保护用户的原始数据不被泄露，使用安全通信协议保护通信安全，使用户在合法合规的基础上进行联合建模，实现数据价值。

项目特点

高性能的算法库
- 算法全面：支持多种主流横向/纵向联邦算法
- 性能优异：性能大幅领先于信通院性能评测平均水平
- 网络优化：在弱网络、高延迟、大量丢包、较长时间断网的情况下依然可以完成训练任务
应用部署灵活
- 计算节点灵活：支持两方/多方计算节点部署
- 算力调配灵活：无论有无label，支持任何一方为发起方，支持辅助计算节点部署在任一方
- 安装部署灵活：支持CPU/GPU/混合部署
轻量开放
- 轻量：对服务器性能要求低，部分算法可在性能较差的环境下运行
- 开放：支持 PyTorch、TensorFlow、PaddlePaddle、 Jax 等主流机器学习框架，支持用户自定义横向模型
支持大语言模型

快速开始