组件

预处理

隐语提供了多种工具方法和类，可以将原始特征转换为更适合后续流程（比如训练）的数据形式。

DataFrame

SecretFlow通过DataFrame来封装联合数据。DataFrame包含了多方的数据，并且支持水平和垂直切分。

隐私求交

SecretFlow SPU目前支持ECDH-PSI, KKRT16-PSI和BC22-PCG-PSI。 详情请查看 隐私集合求交。

Private Set Intersection(PSI)

隐私求交（PSI）是一种多方安全技术，它可以让两方来计算加密数据的交集。

MPC机器学习

通过多方安全计算技术和同态加密技术，SecretFlow提供了MPC建模能力。

Linear Models

线性模型(线性回归)/广义线性模型(逻辑回归）假定目标值的均值是特征值的线性组合（或线性组合的映射）。

Decision trees

决策树是一种非参数（non-parametric）监督式学习，可以用于分类和回归。

Feature Engineering

特征工程包括皮尔逊积矩相关系数（Pearson product-moment correlation coefficient）、方差膨胀系数(variance inflation factor，VIF)和回归模型系数的显著性检验（Hypothesis Testing for Regression Coefficients）。

联邦学习

在联邦学习中，多个拥有本地数据的设备可以在没有交互原始数据的情况下训练机器学习模型。

Horizontal Federated Learning

适用于多个参与方特征空间相同但是样本ID不同的场景。

Vertical Federated Learning

适用于多个参与方样本ID相同但是特征空间不同的场景。

Mix Federated Learning

适用于一部分参与方特征空间相同但是样本ID不同，而另一部分参与方样本ID相同但是特征空间不同的场景。