题图摄于延庆妫水河
在最近CNCF举办的首届“Cloud Native + Open Source Virtual Summit China 2020”线上开源峰会上，我们云原生实验室资深研究员彭麟和研发工程师陈家豪向观众介绍了如何通过 Kubeflow 在 Kubernetes 中做联邦学习（FML）以及在Kubernetes中运行FML的经验。
联邦机器学习（FML）是最有前景的机器学习技术之一，可以解决数据竖井问题，加强数据隐私和安全性，允许合作组织创建模型而不泄露数据隐私。FATE是一个开源项目，提供了一个安全的MPC框架来支持FML架构。FML的挑战是如何协调通常处于不同地理位置的各方。
讲师简介
陈家豪 （Jiahao Chen）
VMware中国云原生实验室研发工程师
专注于容器、网络和分布式技术的研究，同时也积极参与开源社区的建设。在 VMware 任职期间主导或参与完成了多个平台级项目的开发，同时也是开源项目 Hyperledger-Cello 的四位 maintainer 之一。擅长虚拟化、云计算和区块链等技术。
彭麟 （Layne Peng）
VMware 中国云原生实验室资深研究员
之前在 Dell EMC CTO 办公室工作超过 7 年，负责云计算相关领域前沿研究，也曾在某互联网金融公司负责基础设施部门，有丰富的一线实践经验。热爱开源技术，参与了 OpenStack, Kubenetes, Docker 等开源项目，并在 OpenStack Summit, Apache Big Data Conference, LinuxCon 等会议发表过相关演讲。
演讲实录
FATE - Operator Demo 1
FATE - Operator Demo 2
