解析FHEML:全同态加密在机器学习中的应用

原文标题:WTF is FHEML原文作者:Nitanshu Lokhande原文来源:medium编译:火星财经,MK全同态加密(FHE)代表

编译:火星财经,MK

全同态加密(FHE)代表一种加密技术,使得在加密数据上执行有意义的计算成为可能。这意味着,当这些计算的结果被解密时,它们与在明文数据上执行相同计算所获得的结果一致。

In short

同态加密的应用场景_同态加密技术总结_

fenc 是一种同态加密函数

Where

其同态性在加密空间中保持计算不变。

在 FHE 的广泛类别中,我们通常将 FHE 方案分为以下三种:

部分同态加密(SHE):支持有限数量的密文加法和乘法操作。全同态加密(FHE):支持在密文上进行任意数量的乘法和/或加法操作,解密时保持数据完整性。选择性同态加密(Partial HE):仅支持密文上的加法或乘法操作,但不同时支持两者。早期在机器学习(ML)中探索 FHE

全同态加密(FHE)在机器学习(ML)领域的应用促进了保护隐私的计算能力,使在加密数据上执行计算成为可能。

在这一领域,有几个显著的贡献,例如 Lauter(2021)探讨了如何将同态加密与 AI 集成以进行私密训练和预测,强调了密码学与机器学习的结合,以在利用 AI 力量的同时保护数据隐私。

此外,有关使用 FHE 的隐私保护深度神经网络的工作,详细介绍了一项研究,它探索了使用 FHE 和多方计算(MPC)对 ML 模型中的非算术函数进行混合模型评估,推动了在计算过程中保持数据和模型保密性的边界。

Graepel, Lauter 和 Naehrig(2012)的开创性论文《ML Confidential》介绍了如何将部分同态加密应用于安全地委托 ML 计算给计算服务的方法,确保机密 ML 算法的数据保密性。此外,关于在加密数据上进行逻辑回归和无监督学习算法的研究,展示了将传统 ML 方法调整以在加密约束下操作的实际应用和可能性,证明了这些方法在保护数据隐私方面的可行性和效率。这些工作共同强调了机器学习与密码学的关键交汇点,为未来安全、保护隐私的 ML 算法研究提供了蓝图。

介绍 FHEML

基于全同态加密的机器学习(FHEML)是一种利用全同态加密方案实现机器学习算法的方法。它确保正在处理的数据保持保密,允许在加密数据上进行计算。

FHEML 可以看作是零知识机器学习(ZKML)的补充,ZKML 专注于证明机器学习算法的正确执行,而 FHEML 强调在加密数据上执行计算以维护数据隐私。

FHEML 的核心在于它允许在加密数据上进行计算,使得计算结果一旦解密,就与在原始明文数据上执行计算所得到的结果相匹配。这种能力为机器学习应用开辟了重要的新范畴,因为它允许算法在不损害数据隐私或安全的情况下在加密数据上运行。

它可以可视化为:

同态加密技术总结_同态加密的应用场景_

FHEML包括被调整以与全同态加密方案协同工作的机器学习算法。通过利用这些方案,FHEML 为一系列以隐私为中心的机器学习用例开辟了新的可能性。从更高层次来看,这包括保密计算、加密训练和私密推断等。这些进展不仅增强了数据的安全性,也扩展了机器学习在处理敏感和隐私要求高的场景中的潜在应用。

关于 FHEML 的现有库和框架

目前,尽管没有统一的标准用于编写 FHEML 程序,但存在一些流行的框架和库,用于构建 FHEML 程序:

Concrete-ml 是由 Zama 创建的库,建立在他们的低级 TFHE(全同态加密)编译器 Concrete 之上。它允许将任意 Python 代码编译成 FHE 电路,使开发者能够编写可以在加密数据上执行计算的 Python 函数。

Concrete-ml 让开发者可以使用熟悉的机器学习 API(如线性模型、基于树的模型、神经网络),这些在 scikit-learn 或其他框架中可用,允许将 PyTorch 模型转换为其 FHE 兼容版本。基于随机梯度下降的分类器可用于加密数据上的训练。Concrete-ml 显著降低了实现加密数据上机器学习操作的难度。

Tenseal,由 OpenMined 社区开发,专注于在张量上启用同态操作(张量是神经网络中处理和表示数据的基本单元)。建立在 Microsoft SEAL(简单加密算术库)之上,Tenseal 提供了一个高效的、可通过 Python 访问的 API,其底层操作使用 C++ 实现,以提升在加密张量上实现同态加密操作的性能。

PySyft 是 OpenMined 的另一个贡献,旨在 Python 中实现安全和私有的深度学习。它结合了 Tenseal 的同态加密能力,增强了其保护隐私的功能。PySyft 引入了基于 CKKS 同态加密方案的 CKKS 张量,允许对实数进行操作并提供近似结果。这不仅涵盖同态加密,还包括安全多方计算和差分隐私,为保护隐私的机器学习提供了全面的解决方案。

TF Encrypted 是专为 TensorFlow 生态系统内的加密机器学习设计的框架。它模仿 TensorFlow 的体验,特别是通过 Keras API,促进了在加密数据上的训练和预测。TF Encrypted 利用安全多方计算和同态加密技术,提供保护隐私的机器学习能力。TF Encrypted 旨在使加密机器学习易于那些不熟悉密码学、分布式系统或高性能计算的人员使用,以推动加密机器学习的普及。

FHEML 的几个通用用例

外包计算

因为计算是在加密的数据上进行的,所以现在各方可以安全地将数据以加密形式共享给第三方来处理。

加密推断

这一过程促进了加密推断,其中用户请求的推断不会泄露给模型,并且默认情况下保持加密状态,仅用户可以使用他们的密钥进行解密。

加密训练洞察

此功能使企业能够使用敏感数据的加密形式来训练机器学习模型并获得洞察力。这允许组织利用其数据来增强运营效率,开发新策略,并优化决策过程,同时确保涉及数据的最高级别的隐私和安全保护。

Author:BticoinKOL,Source:https://bitcoinkol.com/archives/4847

Like (0)
Previous 03/04/2024 5:07 am
Next 03/04/2024 7:19 am

相关推荐

  • 观点:受 meme 影响,Solana 的市值可能会到 1 万亿美元

    原文作者:joemccann 原文来源:twitter 编译:深潮TechFlow我认为SOL 可能最终会高达1万亿美元的,具体原因见下方的解释

    19/03/2024
    00
  • 2 月加密市场数据洞察:市值前 50 项目收益不及BTC

    原文作者:Crypto Koryo 原文来源:X编译:深潮TechFlow关于2月份市场趋势和叙事的数据说明了什么?本文会进行详细说明。二月对于

    06/03/2024
    00
  • Ambire錢包是什麼?集成的Fantom是什麼?

    Ambire錢包被設計為支持許多不同的網絡和區塊鏈。 今天,我們很高興地宣佈,我們剛剛綜合了另一個網絡,你可以用Ambire錢包使用- Fantom。 關於Ambire Ambire(原AdEx Network)是開發數位廣告新一代解決方案Ambire AdEx和專注於DeFi的加密貨幣錢包Ambire Wallet的公司。 Ambire團隊建立了AdEx網絡,這是第一個用於數位廣告的去中心化廣告交易所,也是迄今為止乙太坊上最大的支付通路網絡。 AmbireAmbire AdEx廣告交易所平臺有超過17000名註冊用戶。 Ambire錢包是一個全功能的加密貨幣錢包,適合從絕對的初學者到加密貨幣和DeFi先鋒的任何人。 它帶來了許多創新功能,如自動gas管理、支持軍事級別安全的硬體錢包等等。 有了Ambire錢包,任何人都可以輕鬆地從加密貨幣和DeFi行業中獲益,而無需處理複雜的介面或概念。 關於Fantom Fantom是一個去中心化的、無許可權的、開源的智慧合約平臺,用於去中心化應用(dApps)和數位資產–是為提供乙太坊的替代品而建立的區塊鏈網絡之一。 Fantom如何運行 Fantom使用非同步拜占庭容錯(aBFT)、取證(PoS)協定來保證整個網絡的安全。 非同步拜占庭容錯(aBFT)是一種實現去中心化、無信任網絡的機制。 Fantom將aBFT用於其被稱為Lachesis的Proof-of-Stake(PoS)程式。 這是一個高度可擴展的協定,確保Fantom網絡的快速和高安全性。 Lachesis為Fantom的主網區塊鏈平臺“Opera”提供動力。 Opera是一個相容Ethereum虛擬機器(EVM)的平臺,也支持Solidity(Ethereums編碼語言)的智慧合約。 由於Opera與EVM相容,Fantom應用程序可以建立在基於Ethereum的平臺上工作。 當然這對乙太坊開發者來說,集成到Fantom鏈上非常簡單。 Fantom和Ambire錢包 Fantom是集成到Ambire錢包的最新EVM相容網絡。 該網絡在加密貨幣和DeFi愛好者中享有越來越高的人氣。 這並不奇怪,因為Fantom提供了靈活性和高性能能力。 最後但並非最不重要的是,它因其低交易費用和快速的交易而受到加密貨幣社區的讚賞。 在Ambire錢包中,你可以輕鬆地在Fantom上發送或接收加密貨幣。 可閱讀Ambire錢包的所有主要協定集成: Aave Ramp Network Yearn WalletConnect Polygon Trezor Transak PayTrie

    05/02/2022
    00
  • 协处理器市场结构:加密经济与零知识证明

    原文标题:Coprocessor Market Structure: Cryptoeconomic vs ZK原文作者:Robert Haber

    09/03/2024
    00
  • 近期值得撸毛党重点关注的4个项目:Xterio、Tabi、QnA3

    原文来源:Odaily星球日报原文作者:Asher近期,多个项目扎堆空投代币,再次激起社区对“撸毛”博高收益的热情。Odaily星球日报从项目热

    Industry dynamics 26/03/2024
    00
  • 十年前错过比特币,今年还要错过比特生态?

    原文作者:inpower王骏原文来源:加密市场观察中本聪于2008年10月31日在 P2P foundation 网站发布比特币白皮书《比特币:

    05/03/2024
    00
  • Coinbase押注Midas,RWA波澜再起

    随着贝莱德推出代币化基金 BUIDL 在一周内吸引了 1.6 亿美元资金,并且 Ondo 作为 RWA 板块的龙头项目,将产品 OUSG的底层资

    Industry dynamics 30/03/2024
    00
  • Twitter推起狗狗幣的春天! 馬斯克這波雙操作了不得!

    狗狗幣上周也在馬斯克提議收購推特後的短暫漲勢,顯然已逐漸消退,全周漲幅收斂至8%,當前再跌破0.14美元。 狗狗幣的價格近期內曾攀升至0.149美元峰值,但在短短3日後,在4月17日跌到0.142美元。 儘管狗狗幣的幣價修正幅度不大,但卻引發典型看跌反轉型態的可能性,跌到下行目標的可能性達85%。 當價格連續形成三個峰值,就形成了頭肩頂。 而狗狗幣正是馬斯克一手帶大的,這背後的强力催化素可見一斑。 在4月4日爆出有關馬斯克買進9.2%推特股權的消息,狗狗幣價格24小時大漲超過20%至0.174美元,創近三個月來最高水准。 然而,隨著投資人進行獲利了結,狗狗幣也發生回檔修正。 不過,當馬斯克宣佈打算以430億美元收購推特後,狗狗幣再度反彈。 馬斯克效應和馬斯克對推特的影響力,可以抬高狗狗幣幣價。 緊接著,散戶愛用的美股交易平臺Robinhood首席執行官Vladimir Tenev在上周早些時候表示,狗狗幣可能成為“網路貨幣”的言論,再一次拉高狗狗幣的投資氛圍。 馬斯克迄今一直支持狗狗幣成為網路貨幣的想法,還建議推特董事會為推特的Twitter Blue每月訂閱服務方案引進狗狗幣支付選項。 狗狗幣最早從3月24日以來已經形成類似的結構,現在在形成右肩後可能跌至頸線,接著出現全面看跌的跌破。 但如果幣價果斷跌破這一支撐水准,可能引發頭肩頂的模式,也就是目標跌破0.1美元,大約再跌28%左右。 值得注意的是,0.1美元的目標價,顯然接近從2021年12月以來,影響狗狗幣價格走勢下降通道模型的下方趨勢線。

    22/04/2022
    00

Leave a Reply

Your email address will not be published. Required fields are marked *