PFLlib：个性化联邦学习算法库与科研评测基准

图1：PFLlib 官方仓库封面

从零开始理解联邦学习

想象一个医院联盟：每家医院都有自己的患者数据，由于隐私法规，这些数据不能汇集到一处进行集中训练。但每家医院都希望训练一个更好的疾病预测模型。联邦学习（Federated Learning）应运而生——让模型在各医院本地训练，只有模型参数而非原始数据被聚合，从而在保护隐私的同时实现协作学习。

这就是 PFLlib 致力于解决的问题。PFLlib 由清华大学团队开发，全称 Personalized Federated Learning Library，是一个专注于**个性化联邦学习（pFL）**的算法库与评测基准。2025年1月正式发表于机器学习顶级期刊 JMLR（Journal of Machine Learning Research），被 KDD 2025 收录的 HtFLlib 同期工作进一步扩展了异构联邦学习支持。

为什么需要 PFLlib

传统联邦学习假设所有客户端共享同一个全局模型，但在现实中，不同医院、不同设备的数据分布差异巨大——有的医院肿瘤数据多，有的医院传染病数据多。简单聚合反而会降低模型质量。个性化联邦学习因此成为研究热点，但算法分散在大量论文中，缺乏统一的实现基准。

PFLlib 的核心价值就是降低联邦学习研究门槛——作者喊出了「2小时入门联邦学习」的口号，并承诺「在你的 PC 上就能跑起来」。实测在单张 RTX 3090 上模拟 500 个客户端、运行 CIFAR-100 数据集仅需 5.08GB 显存，这对于学术研究来说非常友好。

丰富的算法覆盖

PFLlib 收录了 39 种联邦学习算法，覆盖两大类：

传统联邦学习（tFL）：包括 FedAvg、FedProx、SCAFFOLD、FedDyn、MOON、LG-FedAvg 等经典聚合算法，是理解联邦学习的基础。

个性化联邦学习（pFL）：这是 PFLlib 的核心亮点，包含 pFedMe、PerAvg、FedPer、Ditto、FedRep、APPLE、FedGen、FedCP、GPFL、FedDBE 等前沿算法。这些算法通过不同策略实现个性化：有的为每个客户端学习独立参数（FedPer），有的通过元学习适应（PerAvg），有的利用知识蒸馏（FedGen）。

此外还支持 Domain Adaptation（FedDA）、个性化聚类（FedPCL）、持续学习（FedCAC） 等进阶方向。

完整的数据集生态

内置支持 24 个数据集，涵盖图像、文本、音频等多个模态：

• 图像：CIFAR-10/100（含 Non-IID 划分）、ImageNet、DomainNet
• 文本：AGNews、AmazonReview、Shakespeare
• 医疗：COVIDx（COVID-19 X光片）、Camelyon17（癌症病理切片）
• IoT：Digit5、MNIST 变体

数据生成脚本（generate_*.py）自动完成数据划分，包括最关键的 Non-IID 划分——模拟真实世界的数据异构性。

隐私保护：攻防兼备

PFLlib 在隐私保护方面做了系统化设计，既支持隐私攻击（用于评估风险），也支持隐私防御（保护训练过程）。

攻击方向：

• DLG（Deep Leakage from Gradients）：通过梯度反推原始训练数据，是联邦学习最严重的安全威胁之一
• MIA（Member Inference Attack）：推断某样本是否参与了模型训练

防御方向：

• DP-SGD（差分隐私SGD）：在梯度中加入噪声，防止数据泄露
• 同态加密（HE）：对模型参数加密后再聚合

技术架构解析

项目采用清晰的三层架构：

1. Server 层（serverNAME.py）：负责客户端选择、参数聚合、全局模型更新。不同算法对应不同的聚合策略——FedAvg 简单平均，FedProx 引入近端项，SCAFFOLD 修正梯度漂移。

2. Client 层（clientNAME.py）：负责本地数据加载、模型训练、梯度上传。个性化算法在此层引入 client-specific 参数。

3. TrainModel 层（flcore/trainmodel/）：封装各种神经网络模型，4层CNN、ResNet、BERT、LSTM 等。

运行流程极为简洁：生成数据（generate_DATA.py）→ 选算法 → 改参数 → 跑 main.py。

部署与上手

PFLlib 是纯 Python 科研工具包，无 Web UI，依赖 Conda 环境：

git clone https://github.com/TsingZ0/PFLlib.git
cd PFLlib
conda env create -f env_cuda_latest.yaml
conda activate pfllib
python dataset/generate_Cifar10.py
python system/main.py -h

硬件需求：至少一张 NVIDIA GPU，RTX 3090 可模拟 500 客户端；仅 CPU 模式可运行小规模实验（MNIST 等）。

主要限制：无容器化支持，需要手动安装 conda 环境和 15+ 个依赖包（scikit-learn、scipy、h5py、diffusers、transformers、accelerate 等），Windows 用户需额外配置。

行业意义

PFLlib 填补了个性化联邦学习领域的基准空白。在其官方网站 pfllib.com 上提供了交互式 leaderboard，作者团队提出的 FedCP、GPFL、FedDBE 算法在多项基准测试中位居前列，其中 FedDBE 以其对数据异构性的强鲁棒性尤为突出。

JMLR 论文发表也证明了其在学术社区的认可度。HtFLlib（KDD 2025）的同期工作进一步将框架扩展到异构联邦学习（HtFL）场景，支持真实设备部署（HtFL-OnDevice）。

对于 AI 研究者，PFLlib 是快速验证新算法想法的绝佳起点；对于开发者，它是理解联邦学习工程实现的优秀教材。