隐私计算
文章平均质量分 81
leeyayai_xixihah
这个作者很懒,什么都没留下…
展开
-
隐私计算实践6|联邦学习在水平场景的开发实践
定义了一个使用PyTorch构建的简单的卷积神经网络(CNN)类ConvRGBNet,它继承自。这个网络设计用于处理彩色图像(RGB),并且可以用于分类任务。nn.Conv2d(),nn.ReLU(),nn.ReLU(),nn.ReLU(),两个卷积层(nn.Conv2d),使用3x3的卷积核,第一个卷积层的输入通道是3(RGB图像),输出通道是16。激活函数使用ReLU(nn.ReLU池化层(),使用2x2的最大池化。一个展平层(nn.Flatten。原创 2024-07-31 15:33:45 · 688 阅读 · 0 评论 -
隐私计算实践4|逻辑回归LR与广义线性模型GLM开发实践
这段代码定义了一个名为的类,它封装了一个 SecretFlow 模型,并提供了predict和score方法。这个类主要用于在安全多方计算环境中直接获取模型预测结果和评估模型性能。导入依赖导入了SecretFlow 的reveal函数用于获取加密数据的明文值,以及get_dist函数,用于获取特定分布的类。定义分布和幂参数设置了使用的分布(Tweedie分布)和Tweedie分布的幂参数。定义 DirectRevealModel 类定义了。原创 2024-07-31 10:25:36 · 762 阅读 · 0 评论 -
隐私计算实践3|基于隐私保护的机器学习算法介绍
一:预处理与隐私求交二:决策树模型和线性回归三:神经网络算法原创 2024-07-24 16:05:01 · 142 阅读 · 0 评论 -
隐私计算实践2|SecretFlow与Secretnote的安装部署
文档-安装方式4--隐语 · 实训社区视频第20min--2第4讲:隐语架构概览丨隐私计算实训营 第3期_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1rE4m1R7AH/?原创 2024-07-23 20:54:29 · 676 阅读 · 0 评论 -
隐私计算实践1|隐语框架与技术要点
密态引擎SPU(Secretflow Processing Unit)是一个专为隐私保护机器学习(PPML)设计的高效、用户友好的虚拟设备框架,旨在通过多方安全计算(MPC)技术支持多个实体之间在保护各自数据隐私的前提下共同训练和计算机器学习模型SPU的核心价值在于其能够在保障数据隐私的同时,提供类似高级编程语言的编程体验,解决了传统加密计算中易用性差和性能不足的问题。SPU由三部分组成:前端、编译器和运行时。从整体分层架构看,SPU处于明密文计算设备与原语层,支撑密文计算设备中的。原创 2024-07-19 14:45:47 · 733 阅读 · 0 评论