HE-Transformer 项目教程

HE-Transformer 项目教程

he-transformer nGraph-HE: Deep learning with Homomorphic Encryption (HE) through Intel nGraph 项目地址: https://gitcode.com/gh_mirrors/hetr/he-transformer

1. 项目介绍

HE-Transformer 是 Intel 开发的一个开源项目，旨在通过同态加密（Homomorphic Encryption, HE）技术实现深度学习模型的加密计算。该项目是 Intel nGraph 编译器的一个同态加密后端，允许在加密数据上进行深度学习推理。HE-Transformer 主要用于研究和实验目的，展示了在本地机器上使用同态加密进行深度学习的可行性。

主要特点

• 同态加密支持：支持 CKKS 加密方案，由 Microsoft Research 的 Simple Encrypted Arithmetic Library (SEAL) 实现。
• 多党计算集成：与 ABY 多党计算库集成，用于非多项式激活函数的计算。
• TensorFlow 集成：与 Intel nGraph 编译器和 TensorFlow 运行时引擎集成，允许用户通过 TensorFlow 运行训练好的神经网络进行加密数据推理。

2. 项目快速启动

环境准备

• 操作系统：Ubuntu 16.04 或 Ubuntu 18.04
• 编译器：g++ 版本 >= 6.0 或 clang >= 5.0
• 依赖项：CMake >= 3.12, OpenMP, Python3, pip3, virtualenv, bazel

安装步骤

1. 克隆项目

   git clone https://github.com/intel/he-transformer.git
   cd he-transformer
   

2. 设置环境变量

   export HE_TRANSFORMER=$(pwd)
   

3. 创建并进入构建目录

   mkdir build
   cd build
   

4. 配置 CMake

   cmake -DCMAKE_CXX_COMPILER=clang++-6.0 ..
   

5. 编译和安装

   make install
   

运行示例

1. 进入示例目录

   cd $HE_TRANSFORMER/examples
   

2. 运行示例代码 参考 examples/README.md 文件中的示例代码，运行深度学习推理任务。

3. 应用案例和最佳实践

应用案例

• 医疗数据分析：在保护患者隐私的前提下，对加密的医疗数据进行深度学习分析。
• 金融数据处理：在加密的金融数据上进行模型推理，确保数据隐私和安全。

最佳实践

• 性能优化：使用 OpenMP 进行多线程编译，提高编译和运行效率。
• 调试和测试：使用 C++ 单元测试和 Python 示例代码进行调试和性能测试。

4. 典型生态项目

相关项目

• Intel nGraph：Intel 的图编译器，用于优化和加速深度学习模型的计算。
• Microsoft SEAL：Microsoft Research 开发的简单加密算术库，支持同态加密。
• ABY：一个多党计算库，支持多种安全计算协议，包括混淆电路。

通过这些项目的集成，HE-Transformer 提供了一个完整的生态系统，支持在加密数据上进行深度学习推理。

he-transformer nGraph-HE: Deep learning with Homomorphic Encryption (HE) through Intel nGraph 项目地址: https://gitcode.com/gh_mirrors/hetr/he-transformer