Flower 1.18.0 版本发布：联邦学习框架的重大更新

Flower 是一个开源的联邦学习框架，它使研究人员和工程师能够轻松地在分布式环境中训练机器学习模型，同时保护数据隐私。联邦学习的核心思想是让多个客户端（如移动设备或组织）在不共享原始数据的情况下协作训练模型，这对于医疗、金融等隐私敏感领域尤为重要。

近日，Flower 发布了 1.18.0 版本，带来了一系列重要更新和改进。这个版本不仅增强了框架的功能性，还提升了用户体验和安全性。让我们深入了解这次更新的技术亮点。

Python 3.12 正式支持

1.18.0 版本正式加入了对 Python 3.12 的支持。Python 3.12 带来了多项性能优化和新特性，如更快的解释器、改进的错误消息和新的类型系统特性。Flower 团队确保了框架在这个最新 Python 版本上的稳定运行，同时保持了对 Python 3.13 的预览支持，为未来的兼容性做好准备。

增强的 CLI 安全功能

Flower 命令行工具(CLI)在这个版本中获得了重要的安全升级：

1. TLS 连接支持：现在可以通过 CA 证书建立安全的 TLS 连接到 SuperLink 实例。如果用户不提供根证书，CLI 会自动使用 gRPC 绑定的默认 CA 证书，简化了安全配置过程。

2. 版本查询功能：新增了 --version 和 -V 标志，用户可以快速查看当前安装的 Flower 版本。同时，-h 被添加为帮助命令的快捷方式，提升了命令行体验。

联邦学习算法与基础设施改进

1. FedBN 基线升级：FedBN(联邦批量归一化)基线进行了重大重构，移除了 Hydra 依赖，迁移了配置系统，并增加了结果保存功能。最重要的是，它现在支持状态保持的客户端，这对于某些联邦学习场景至关重要。

2. 安全聚合修复：修复了 Shamir 秘密共享工具中的一个关键 bug，这个工具用于实现安全聚合(Secure Aggregation)功能。安全聚合是联邦学习中保护客户端梯度隐私的重要技术。

3. RecordDict 兼容性：RecordDict(前身为 RecordSet)现在完全保持向后兼容性。虽然旧代码仍能工作，但会收到弃用警告，建议用户尽快迁移到新接口。

开发体验与文档优化

1. 代码仓库重构：项目进行了大规模的结构调整，将所有框架相关代码、配置和开发工具移到了 framework/ 子目录下。这种模块化的组织方式使项目更易于维护和扩展。

2. 文档清理与更新：移除了过时内容，简化了冗余部分，更新了 Docker 文档和虚拟环境设置指南。特别是对 CLI 文档进行了精简，使其更加清晰易用。

3. CI/CD 流程优化：改进了持续集成和部署流程，更新了问题模板，修复了 Docker 和文档作业，增强了脚本兼容性，并提升了工具版本，使开发和部署更加流畅。

技术前瞻与建议

对于正在使用或考虑采用 Flower 框架的用户，1.18.0 版本提供了几个重要考量点：

1. 安全升级：TLS 支持使得生产环境部署更加安全，建议所有关键应用启用此功能。

2. 迁移计划：虽然 RecordDict 保持了兼容性，但应制定计划逐步迁移旧代码，以避免未来可能的兼容性问题。

3. Python 版本策略：可以放心升级到 Python 3.12，同时关注 Python 3.13 的支持进展。

4. 新功能试用：FedBN 基线的改进为特定场景提供了更好的支持，值得在相关项目中尝试。

Flower 1.18.0 的这些改进展示了项目团队对框架稳定性、安全性和易用性的持续投入。无论是研究新型联邦学习算法，还是部署实际应用，这个版本都为用户提供了更加强大和可靠的基础设施。