tf-encrypted介绍和代码示例

目录

一.介绍

二.代码示例

三.相关文件的介绍

---

一.介绍

TF Encrypted是TensorFlow中用于加密机器学习的框架，是一个用于安全多方计算（MPC）机器学习的开源框架。它看起来和感觉上都像TensorFlow，利用KerasAPI的易用性，同时通过安全多方计算和同态加密对加密数据进行训练和预测。TF Encrypted旨在使保护隐私的机器学习变得容易，而不需要密码学、分布式系统或高性能计算方面的专业知识。

二.代码示例

假设爱丽丝是银行，鲍勃是政府。Alice和Bob认识许多共同的个人，双方从不同方面了解有关个人的一些信息（例如，Alice了解他们的信用卡账单，而Bob了解他们的税务信息），但只有Bob知道这些个人是否有欺诈历史（由label=1或0表示）。现在Bob想在Alice的帮助下建立一个欺诈检测模型。爱丽丝愿意合作，但她认为她的用户信息敏感的部分，不愿意直接分享。假设数据集包含7000个样本和32个特征，其中16个由Alice持有，另外16个（以及标签）由Bob持有。

GitHub源码        百度云盘源码，提取码m108

1初始化：

# python3 --version
Python 3.6.9
# pip3 --version
pip 9.0.1 from /usr/lib/python3/dist-packages (python 3.6)
#pip3 install tensorflow==1.13.2
#pip3 install tf-encrypted

2编辑config文件

{
    "alice": "machine1:port1",
    "bob": "machine2:port2",
    "crypto-producer": "machine3:port3"
}

sudo su
lsof -i:80

只要没有显示使用都可以指定成端口。

3复制文件到相应的机器。

Copy config.json , common.py , training_alice.py , aliceTrainFile.csv to machine1;

Copy config.json , training_bob.py , bobTrainFileWithLabel.csv to machine2;

Copy config.json , training_server.py to machine3;

4对应的机器运行相应的代码

python3 training_bob.py
python3 training_server.py
python3 training_alice.py

三.相关文件的介绍

common.py：里面主要包含模型的定义LogisticRegression，数据预处理DataOwner.provide_data，模型更新和模型预测ModelOwner。

training_bob.py ：根据pond协议提供数据。

training_alice.py：根据pond协议提供数据，定义模型参数。

training_server.py：根据pond协议进行聚合训练。