功能总览

空间是联邦计算的载体。合作方只有加入空间才能参与联邦计算。空间为首个成员部署计算节点时创建。首个成员空间内的别名为默认league_creator。空间名在创建者租户范围内唯一，即创建者不能创建同名的空间。空间首个成员具有空间成员管理权限，可邀请其他租户作为合作方参与联邦计算。若需启用区块链审计服务，请先完成启用区块链审计服务（可选）中发起方角色涉及的操作，再创建空间。

同一个空间中的用户，在使用可信计算服务时（联邦分析和联邦机器学习），需要部署计算节点，接入己方数据，作为可信计算服务的输入，通过执行联邦分析和联邦机器学习作业后，最终拿到结果。
计算节点以容器的形式部署，支持云租户部署和边缘节点部署，用户可根据数据源的现状，采用合适的计算节点部署方案。
云租户部署：基于云容器引擎（CCE，Cloud Container Engine）服务部署，CCE提供高可靠高性能的企业级容器应用管理服务，支持Kubernetes社区原生应用和工具，简化云上自动化容器运行环境搭建。
边缘节点部署：基于智能边缘平台（IEF，Intelligent EdgeFabric）服务部署，IEF通过纳管您的边缘节点，提供将云上应用延伸到边缘的能力，联动边缘和云端的数据，满足客户对边缘计算资源的远程管控、数据处理、分析决策、智能化的诉求。同时，在云端提供统一的设备/应用监控、日志采集等运维能力，为企业提供完整的边缘和云协同的一体化服务的边缘计算解决方案。

多方安全计算是可信智能计算提供的关系型数据安全共享和分析功能，曾经也被称为联邦数据分析。您可以创建多方安全计算作业，根据合作方已提供的数据，编写相关SQL作业并获取您所需要的分析结果，同时能够在作业运行保护数据使用方的数据查询和搜索条件，避免因查询和搜索请求造成的数据泄露。

可信联邦学习作业是可信智能计算服务提供的在保障用户数据安全的前提下，利用多方数据实现的联合建模，曾经也被称为联邦机器学习。

• 横向联邦机器学习

  横向联邦机器学习，适用于参与者的数据特征重叠较多，而样本ID重叠较少的情况，联合多个参与者的具有相同特征的多行样本进行联邦机器学习，联合建模。

• 模型评估

  评估训练得出的模型权重在某一数据集上的预测输出效果。

• 纵向联邦机器学习

  纵向联邦机器学习，适用于参与者训练样本ID重叠较多，而数据特征重叠较少的情况，联合多个参与者的共同样本的不同数据特征进行联邦机器学习，联合建模。

联邦预测作业在保障用户数据安全的前提下，利用多方数据和模型实现样本联合预测。