可信联邦学习作业管理 新建联邦学习作业 获取横向联邦学习作业详情 获取纵向联邦作业详情 保存纵向联邦作业 保存横向联邦学习作业 查询联邦学习作业列表 查询特征选择执行结果 删除联邦学习作业 执行横向联邦学习作业 执行纵向联邦模型训练作业 父主题： 计算节点API

查看更多 →

纵向联邦建模场景 使用TICS多方安全计算进行联合样本分布统计 使用TICS可信联邦学习进行联邦建模 使用TICS联邦预测进行新数据离线预测 父主题： 使用场景

查看更多 →

CN横向扩容 功能介绍 数据库CN横向扩容。 该接口计划于2025-03-31下线，建议及时切换到新接口CN横向扩容/DN分片扩容/磁盘扩容。 调用接口前，您需要了解API 认证鉴权。 调用接口前，您需要提前获取到地区和终端节点，即下文中的Endpoint值。 接口约束 CN横向扩容步长1~9。

查看更多 →

训练型横向联邦作业流程 联邦学习分为横向联邦及纵向联邦。相同行业间，特征一致，数据主体不同，采用横向联邦。不同行业间，数据主体一致，特征不同，采用纵向联邦。xx医院的应用场景为不同主体的相同特征建模，因此选用横向联邦。 创建训练型横向联邦学习作业。 图1 创建训练型横向联邦学习作业

查看更多 →

可信联邦学习作业 概述 创建横向训练型作业 创建横向评估型作业 创建纵向联邦学习作业 执行作业 查看作业计算过程和作业报告 删除作业 安全沙箱机制

查看更多 →

变更实例规格 云原生服务中心OSC的服务来自不同的服务提供商，不同类别的服务实例规格变更方式存在差异，具体请咨询服务提供商，以服务实例的展示界面为准。以Kafka为例，展示如何变更实例规格。 纵向扩容kafka集群 单击服务实例页面右上角的编辑按钮，编辑服务实例的yaml信息。

查看更多 →

OSC联合生态伙伴提供了大量的开箱即用的云原生服务，不仅提供了数据库、消息、缓存等通用中间件，还提供了新技术领域的AI、大数据、高性能计算、边缘等应用，您可以根据业务需要订阅。 全域部署 随着业务的发展，企业使用云服务部署场景在横向和纵向上都在不断拓展，横向上跨云部署成为业务常态，纵向上服务全域部署能力变得越来越

查看更多 →

保存纵向联邦作业 功能介绍 保存纵向联邦作业 调用方法 请参见如何调用API。 URI PUT /v1/{project_id}/leagues/{league_id}/fl-vertical-jobs/{job_id} 表1 路径参数 参数 是否必选 参数类型 描述 project_id

查看更多 →

横向联邦学习场景 TICS从UCI网站上获取了乳腺癌数据集Breast，进行横向联邦学习实验场景的功能介绍。 乳腺癌数据集：基于医学图像中提取的若干特征，判断癌症是良性还是恶性，数据来源于公开数据Breast Cancer Wisconsin (Diagnostic)。 场景描述

查看更多 →

的是车辆的纵向和侧向平顺性。 因此，本设计平顺性检测从纵向平顺性和侧向平顺性进行考量。 平顺性检测考虑的是整个仿真时间段的加速度均方根值。当纵向或侧向加速度均方根值大于，则认为对应的纵向/侧向平顺性检测不通过。 纵向平顺性关联的内置可视化时间序列数据为：accX。横向平顺性关联的内置可视化时间序列数据为：accY。

查看更多 →

GaussDB(for MySQL)为计算存储分离、云化架构的企业级云数据库。 超高性能 对于某些业务负载，吞吐量最高可提升至开源MySQL7倍，可达百万级QPS。 高扩展性 横向扩展：支持分钟级添加只读节点，最大支持15只读，解决性能扩展问题。 纵向扩展：支持规格升级，应对不确定的业务增长。 存储扩

查看更多 →

使用场景 多方安全计算场景 纵向联邦建模场景 隐私求交黑名单共享场景 实时隐匿查询场景 可信数据交换场景 横向联邦学习场景

查看更多 →

访问控制 部署服务通过横向和纵向两种鉴权方式对用户操作进行访问控制，操作对象包含应用的增、删、改、查、部署等权限，以及集群的增、删、改、查等。 横向鉴权：部署服务按照软件开发生产线项目间隔离的逻辑，对同一租户不属于同一项目下的成员进行鉴权拦截，保证项目间成员不越权。 纵向鉴权：对同一项目

查看更多 →

行。 执行脚本 用户本地的自定义执行脚本，样例请参考准备本地横向联邦数据资源中步骤4。 训练模型 用户自定义模型，样例请参考准备本地横向联邦数据资源中步骤3。 初始权重参数 评估时必填，训练时可选，样例请参考准备本地横向联邦数据资源中步骤3。 迭代次数 即epoch，数据迭代计算的次数。

查看更多 →

表示可信联邦学习作业在本地运行。 执行脚本 用户本地的自定义执行脚本，样例请参考准备本地横向联邦数据资源中步骤4。 训练模型 用户自定义模型，样例请参考准备本地横向联邦数据资源中步骤3。 初始权重参数 模型的初始权重，样例请参考准备本地横向联邦数据资源中步骤3。 迭代次数 即epoch，数据将会被执行的次数。评估型作业的迭代次数固定为1。

查看更多 →

获取纵向联邦作业详情 功能介绍 获取纵向联邦作业详情 调用方法 请参见如何调用API。 URI GET /v1/{project_id}/leagues/{league_id}/fl-vertical-jobs/{job_id} 表1 路径参数 参数 是否必选 参数类型 描述 project_id

查看更多 →

未标注的数据点数量。 待确认数据点 使用自动标注工具后，计算出来的异常点，需用户确认标注结果是否正确。 标注坐标图右上方 横向选择工具，可横向选择连续时间戳的数据进行批量标注。 纵向选择工具，可纵向选择连续值区域内的数据进行批量标注。 矩形选择工具，可在坐标轴内选择任意连续区域内的数据进行批量标注。

查看更多 →

来在图片上新增刺点，刺点的具体信息包括： 像控点的经度、纬度、高度及精度信息。 刺点所在的图片ID，以及在图片中的像素点位置信息，包括横向和纵向像素值。 刺点所属的任务ID信息。 调试 您可以在API Explorer中调试该接口，支持自动认证鉴权。API Explorer可以自

查看更多 →

创建事件触发流程 创建完成后，系统自动进入流程设计页面，如图2所示。流程设计页面默认为纵向布局，单击主菜单中的“切换横向布局”，可将页面调整为横向布局，如图3。 图2 流程设计页面（纵向布局） 图3 流程设计页面（横向布局） 设计流程。 例如，设计一个流程，通过添加记录节点，来获取开始节点的

查看更多 →

，非敏感，脱敏）的设定、元数据的发布等，为数据源计算节点提供全生命周期的可靠性监控、运维管理。 可信联邦学习 对接主流深度学习框架实现横向和纵向的联邦训练，支持基于安全密码学(如不经意传输、差分隐私等)的多方样本对齐和训练模型的保护。 数据使用监管 为数据参与方提供可视化的数据使

查看更多 →

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

查看更多 →