隐语课程学习笔记4-隐语安装部署及实操讲解

已于 2024-06-12 17:58:34 修改
阅读量668 收藏 16
点赞数 11
文章标签： 学习 笔记 算法 人工智能 安全
于 2024-06-10 19:09:09 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_65514978/article/details/139579605
版权

本周开启隐语的第四次课程学习，关于隐语的安装部署及简单体验。

1. 隐语部署模式

对于隐私计算开发以及业务生成场景使用，提供两种不同的模式：

        （1）仿真模式，包括单机仿真以及集群仿真。

                  仿真模式具备很多优势。在这点上，业内的隐私计算厂商基本都有提供，但隐语可能在

                  这方面体验感会更好一些，投入了更多的资源去完善。

                  a. 成本低

                       开发者：在仿真模式下，开发者可以在单机或集群环境中模拟生产环境，进行调试

                                      和测试，避免了直接在真实数据上操作的高成本和高风险。
                       使用者：可以在仿真模式下熟悉平台的功能和操作流程，而无需承担数据泄露或系

                                      统故障的风险。
                  b. 高效调试

                       开发者：可以在仿真模式下快速迭代开发和测试代码，查找和解决问题，提升开发

                                      效率。
                       使用者：可以快速验证其应用程序或流程在仿真环境中的表现，确保在投入生产前

                                      已经过充分测试。
                  c. 安全性

                       开发者：仿真模式下使用的是模拟数据或脱敏数据，降低了实际数据泄露的风险。
                       使用者：在进行功能测试和性能测试时，无需担心实际数据的安全性问题。

        （2）生产模式，多机部署执行。更加注重安全性以及真实环境。        

                  a. 安全增强

                      开发者：生产模式下所有参与方都需要执行代码，并且平台提供了额外的安全增强措

                                    施，如数据加密、访问控制等，确保数据传输和处理的安全性。
                      使用者：在生产模式下，用户的数据得到了严格保护，符合企业和行业的安全标准和

                                     合规要求。
                   b. 高可靠性

                       开发者：生产模式经过严格测试和验证，能够在高负载下稳定运行，确保系统的可

                                      靠性和可用性。
                       使用者：生产模式提供了可靠的计算和存储服务，能够处理大规模数据和复杂计算

                                      任务，保证业务的连续性和稳定性。
                   c. 真实场景

                       开发者：在生产模式下，可以在真实数据和真实环境中验证和优化算法和模型，提

                                     升模型的准确性和适用性。
                       使用者：能够在实际业务场景中使用平台的功能，获得真实有效的计算结果，推动

                                      业务决策和发展。

2. 隐语部署资源要求及安装

        隐语在多系统方面的支持做的还挺不错，包括常见的linux系统、macOS系统，以及支持windows内置的WSL2 linux子系统。python的版本要求是3.8及以上，隐私计算行业公开的资料看，普遍厂商都将python升级到了3.10之后，一方面出于漏洞修复考虑，另一方面基于性能考虑。

        隐私计算一旦包含了tensorflow、pytorch等第三方包，一般docker镜像的大小会扩大到2-3G，业内厂商，比如蓝象提出一种空中安装的方式来提供安装服务，一开始可以是一个小的包，需要安装的全部服务的时候才会将所有的requirements都安装。因为你如果只是想要安全求交服务，完全没必要安装大且重的联邦学习模块的内容。类似富数等厂商，与隐语一样，可以提供lite的安装部署包，体积较小，适合轻量化部署。这种也是行业服务机构过程中衍生出来的共识。

        隐语提供了多种安装方式，包括docker镜像、pypi、源码等。一般来说，docker镜像部署是最一步到位和简单的，包含了运行应用所需的所有依赖和环境配置，无论是在开发、测试还是生产环境，使用 Docker 都能确保应用运行的一致性。这个也是业内目前看，最普遍采用的方案。

       

        其他诸如pypi安装、源码安装，更适合开发者用来研发和调试。不过只要下载docker镜像的速度能保证的基础上，个人还是更推荐使用docker的安装模式，简单方便。

3. 隐语使用初探

        

3.1   Ray基本概念

       隐语是基于 RayFed 实现，RayFed 是 Ray 框架的一个扩展，用于实现跨集群的分布式计算。因此，理解 Ray 的使用和分布式调度是理解隐语的关键。以下是如何从 Ray 的使用来理解隐语的使用和分布式调度的详细说明：

        Ray 任务：Ray 允许用户定义并行任务，这些任务可以在不同的节点上执行。每个任务都是一个独立的计算单元，可以由 Ray 调度器分配到集群中的任意节点。
        Actor 模式：Ray 中的 Actor 是一个有状态的计算单元，能够维护状态并处理消息。Actors 可以在不同节点之间通信，从而实现复杂的分布式应用。

        资源隔离：Ray 通过定义资源（如 CPU、内存等）来管理任务和 Actor 的资源分配。用户可以指定每个任务或 Actor 需要的资源，Ray 会根据资源情况调度这些任务。
        自动扩展：Ray 支持自动扩展，可以根据任务的负载动态增加或减少节点，以优化资源利用和任务执行效率。

        对象存储：Ray 提供了分布式对象存储（Plasma），允许任务之间共享数据。数据可以存储在内存中，提供高效的读写性能。
        任务依赖：Ray 允许用户定义任务之间的依赖关系，调度器会根据依赖关系自动安排任务的执行顺序。

3.2   基于ray来理解隐语的使用和分布式调度（个人的理解）

        隐语基于 RayFed 实现，RayFed 扩展了 Ray 的能力，使其能够支持跨集群的分布式计算。以下是如何理解隐语的使用和分布式调度：

        联邦学习任务：隐语支持跨多个集群的联邦学习任务。每个参与方可以在自己的集群中运行任务，RayFed 会负责调度这些任务并协调它们之间的通信。
        安全计算任务：隐语支持安全多方计算（MPC）任务，这些任务需要在多个参与方之间进行数据交换和计算。RayFed 提供了安全的通信通道，确保数据在传输过程中不被泄露。
        资源分配：隐语可以基于 Ray 的资源管理机制，为每个参与方分配合适的计算资源。用户可以指定每个参与方需要的资源，RayFed 会根据集群的资源情况进行调度。
        负载均衡：RayFed 能够根据任务的负载情况动态调整资源分配，确保计算任务能够高效执行。
        数据隔离与共享：在隐语中，不同参与方的数据是隔离的，但计算任务可以通过安全协议共享必要的数据。RayFed 利用 Ray 的对象存储和消息传递机制，确保数据在不同参与方之间安全传输和处理。
        数据依赖管理：隐语可以管理计算任务之间的数据依赖，确保任务按照正确的顺序执行。RayFed 会根据任务的依赖关系自动安排执行计划。

3.3 仿真模式

        单机仿真就是在自己当前本地，启动一个ray节点，来执行相应的计算任务。这个例子是在本地节点启动两个角色，alice和bob。执行的是PYU，也就是python的明文计算单元。

        

        

        集群仿真，是指部署两个节点，两台机器上部署，应该也可以支持在一台机器上，通过不同端口模拟两台机器，在第一台机器上部署ray的主节点，也就是ray head，指定ip、port、资源等信息，另一台则部署从节点，注意从节点的address这里写的是主节点的通信地址。服务启动完成后，执行python代码，address改成对应主节点的ip和端口。

        

        之前都是pyu的明文执行单元。现在创建spu的密态设备计算单元，在cluster集群配置信息，需要填写实际的alice和bob的通信地址，指定对应的mpc协议和整型碎片长度等一些必要的配置信息，这里选的是semi2k协议。然后初始化spu的集群信息。这种mpc启动模式在业内应该基本统一，没什么大的区别。从通信网络看，需要注意spu的端口，需要有别于ray的端口号。这里之所以采用不同的端口号，个人猜测是可能基于不同任务的功能分离或者安全性层面考虑，ray主要用于任务调度、资源管理和分布式计算。SPU 负责安全计算任务，如安全多方计算（MPC）等。SPU 的端口号用于安全计算任务的通信和数据交换。  

3.4 生产模式      

        注意生产模式的启动指令与仿真模式的差别，生产模式下，各个节点都是一个完整的ray集群，因此启动指令中都是ray start --head。

        生产模式下，多了self_party的参数设置，用于区分节点角色。init的address是self_party的ray head节点地址。

        spu的设置与仿真模式差别不大，注意区分端口号不要冲突，否则会带来网络通信相关的报错。说实话，端口号的管理也是一个累人的活。不过隐语提供了kuscia来解决。从生产模式的通信网络看：

  • Ray：负责分布式任务调度和资源管理，主要在集群内部节点之间进行通信。
  • Proxy：充当通信代理，确保不同计算节点之间的安全、可靠通信。
  • SPU：执行安全计算任务，确保涉及敏感信息的数据处理过程中的隐私和安全。

        另外也介绍了一下secretnote的使用，类似于notebook的编程体验。这个业内也有一些厂商提供该功能，隐语做了更多的用户体验的适配。

        分布式框架，业内普遍采用ray，可能也是一种共识。也许以后会有更优秀的框架取代ray，拭目以待。从隐语的设计来看，保持了对于使用其他可替代分布式框架的能力，架构还是蛮优秀的。

4. 实操体验

4.1 secretflow实操

采用docker镜像部署的模式，只需要拉取对应的docker镜像，运行即可。

为了模拟两个节点执行模式，需要启动两个镜像，如下所示：

单机模拟的场景，不需要执行ray启动命令，直接运行即可。

import secretflow as sf
 
sf.init(parties=['alice', 'bob'], address='local')
alice = sf.PYU('alice')
bob = sf.PYU('bob')
a = alice(lambda x : x + 1)(2)
print(a)
b = bob(lambda x : x + 1)(2)
print(b)

执行日志如下：

集群模拟，则需要在两个镜像中分别启动ray，alice节点执行head的启动，记录一下当前的ip地址。bob节点启动从节点，需要填写head节点的ip和端口。当然也可以采用docker指令docker inspect -f '{{range.NetworkSettings.Networks}}{{.IPAddress}}{{end}}'来查看镜像ip。

启动完成后，就可以执行相应的脚本了。依然选择在alice节点执行脚本，填写的address为主节点地址。

import secretflow as sf
 
sf.init(parties=['alice', 'bob'], address='172.17.0.2:8001')
alice = sf.PYU('alice')
bob = sf.PYU('bob')
a = alice(lambda x : x + 1)(2)
print(a)
b = bob(lambda x : x + 1)(2)
print(b)
print(sf.reveal(b))

执行日志如下：

spu的密态计算场景，也是类似，执行脚本如下：

import spu
import secretflow as sf
 
# Use ray head adress please.
sf.init(parties=['alice', 'bob'], address='172.17.0.2:8001')
 
cluster_def={
   
    'nodes': [
        {
   
            'party': 'alice',
            # Please choose an unused port.
            'address': 'ip:port of alice',
            'listen_addr': '172.17.0.2:9001'
        },
        {
   
            'party': 'bob',
            # Please choose an unused port.
            'address': 'ip:port of bob',
            'listen_addr': '172.17.0.3:9001'
        },
    ],
    'runtime_config': {
   
        'protocol': spu.spu_pb2.SEMI2K,
        'field': spu.spu_pb2.FM128,
        'sigmoid_mode': spu.spu_pb2.RuntimeConfig.SIGMOID_REAL,
    }
}
 
spu = sf.SPU(cluster_def=cluster_def)
print(spu)

需要注意，端口号与ray不同。

执行日志如下：

生产环境方法类似，只是每一个节点需要启动ray集群，需要注意带上head。

4.2 secretnote实操

我们采用的是将secretnote部署到服务器上，然后通过本地电脑的浏览器进行访问。

在服务器上使用 docker compose 启动两个容器，容器启动时会安装 SecretFLow、SecretNote，并且分别启动 Ray 服务以及 SecretNote 服务。

操作步骤如下：

mkdir snote
cd snote
vi docker-compose.yml

docker-compose.yml的内容

services:
  alice:
    image: 'docker.mirrors.sjtug.sjtu.edu.cn/secretflow/secretnote:1.5.0.dev'
    platform: linux/amd64
    environment:
      - SELF_PARTY=alice
      - ALL_PARTIES=alice,bob
    ports:
      - 8090:8888
    entrypoint: /root/scripts/start.sh
    volumes:
      - /root/scripts

  bob:
    image: 'docker.mirrors.sjtug.sjtu.edu.cn/secretflow/secretnote:1.5.0.dev'
    platform: linux/amd64
    environment:
      - SELF_PARTY=bob
      - ALL_PARTIES=alice,bob
    ports:
      - 8092:8888
    entrypoint: /root/scripts/start.sh
    volumes:
      - /root/scripts
docker compose up

启动后可以看到成功启动日志：

[+] Running 3/3
 ✔ Network snote_default    Created                                                                                                                                                                                                                0.1s 
 ✔ Container snote-alice-1  Created                                                                                                                                                                                                                0.5s 
 ✔ Container snote-bob-1    Created                                                                                                                                                                                                                0.5s 
Attaching to alice-1, bob-1
alice-1  | 2024-06-11 11:06:54,824	WARNING services.py:1832 -- WARNING: The object store is using /tmp instead of /dev/shm because /dev/shm has only 67108864 bytes available. This will harm performance! You may be able to free up space by deleting files in /dev/shm. If you are inside a Docker container, you can increase /dev/shm size by passing '--shm-size=5.09gb' to 'docker run' (or add it to the run_options list in a Ray cluster config). Make sure to set this to more than 30% of available RAM.
bob-1    | 2024-06-11 11:06:54,850	WARNING services.py:1832 -- WARNING: The object store is using /tmp instead of /dev/shm because /dev/shm has only 67108864 bytes available. This will harm performance! You may be able to free up space by deleting files in /dev/shm. If you are inside a Docker container, you can increase /dev/shm size by passing '--shm-size=5.09gb' to 'docker run' (or add it to the run_options list in a Ray cluster config). Make sure to set this to more than 30% of available RAM.
alice-1  | 2024-06-11 11:06:52,011	INFO usage_lib.py:381 -- Usage stats collection is disabled.
alice-1  | 2024-06-11 11:06:52,012	INFO scripts.py:722 -- Local node IP: 172.20.0.3
alice-1  | 2024-06-11 11:06:55,953	SUCC scripts.py:759 -- --------------------
alice-1  | 2024-06-11 11:06:55,954	SUCC scripts.py:760 -- Ray runtime started.
alice-1  | 2024-06-11 11:06:55,954	SUCC scripts.py:761 -- --------------------
alice-1  | 2024-06-11 11:06:55,954	INFO scripts.py:763 -- Next steps
alice-1  | 2024-06-11 11:06:55,954	INFO scripts.py:766 -- To add another node to this Ray cluster, run
alice-1  | 2024-06-11 11:06:55,954	INFO scripts.py:769 --   ray start --address='172.20.0.3:6379'
alice-1  | 2024-06-11 11:06:55,954	INFO scripts.py:778 -- To connect to this Ray cluster:
alice-1  | 2024-06-11 11:06:55,954	INFO scripts.py:780 -- import ray
alice-1  | 2024-06-11 11:06:55,954	INFO scripts.py:781 -- ray.init()
alice-1  | 2024-06-11 11:06:55,954	INFO scripts.py:812 -- To terminate the Ray runtime, run
alice-1  | 2024-06-11 11:06:55,954	INFO scripts.py:813 --   ray stop
alice-1  | 2024-06-11 11:06:55,954	INFO scripts.py:816 -- To view the status of the cluster, use
alice-1  | 2024-06-11 11:06:55,954	INFO scripts.py:817 --   ray status
bob-1    | 2024-06-11 11:06:52,051	INFO usage_lib.py:381 -- Usage stats collection is disabled.
bob-1    | 2024-06-11 11:06:52,052	INFO scripts.py:722 -- Local node IP: 172.20.0.2
bob-1    | 2024-06-11 11:06:55,991	SUCC scripts.py:759 -- --------------------
bob-1    | 2024-06-11 11:06:55,991	SUCC scripts.py:760 -- Ray runtime started.
bob-1    | 2024-06-11 11:06:55,991	SUCC scripts.py:761 -- --------------------
bob-1    | 2024-06-11 11:06:55,991	INFO scripts.py:763 -- Next steps
bob-1    | 2024-06-11 11:06:55,991	INFO scripts.py:766 -- To add another node to this Ray cluster, run
bob-1    | 2024-06-11 11:06:55,991	INFO scripts.py:769 --   ray start --address='172.20.0.2:6379'
bob-1    | 2024-06-11 11:06:55,991	INFO scripts.py:778 -- To connect to this Ray cluster:
bob-1    | 2024-06-11 11:06:55,991	INFO scripts.py:780 -- import ray
bob-1    | 2024-06-11 11:06:55,991	INFO scripts.py:781 -- ray.init()
bob-1    | 2024-06-11 11:06:55,991	INFO scripts.py:812 -- To terminate the Ray runtime, run
bob-1    | 2024-06-11 11:06:55,991	INFO scripts.py:813 --   ray stop
bob-1    | 2024-06-11 11:06:55,992	INFO scripts.py:816 -- To view the status of the cluster, use
bob-1    | 2024-06-11 11:06:55,992	INFO scripts.py:817 --   ray status
alice-1  | [W 2024-06-11 11:06:57.602 ServerApp] ServerApp.token config is deprecated in 2.0. Use IdentityProvider.token.
bob-1    | [W 2024-06-11 11:06:57.622 ServerApp] ServerApp.token config is deprecated in 2.0. Use IdentityProvider.token.
alice-1  | [I 2024-06-11 11:06:57.666 ServerApp] jupyter_lsp | extension was successfully linked.
alice-1  | [I 2024-06-11 11:06:57.666 ServerApp] jupyter_resource_usage | extension was successfully linked.
alice-1  | [I 2024-06-11 11:06:57.666 ServerApp] jupyter_server_proxy | extension was successfully linked.
alice-1  | [I 2024-06-11 11:06:57.675 ServerApp] jupyter_server_terminals | extension was successfully linked.
bob-1    | [I 2024-06-11 11:06:57.680 ServerApp] jupyter_lsp | extension was successfully linked.
bob-1    | [I 2024-06-11 11:06:57.681 ServerApp] jupyter_resource_usage | extension was successfully linked.
bob-1    | [I 2024-06-11 11:06:57.681 ServerApp] jupyter_server_proxy | extension was successfully linked.
alice-1  | [I 2024-06-11 11:06:57.682 ServerApp] secretnote.server | extension was successfully linked.
bob-1    | [I 2024-06-11 11:06:57.689 ServerApp] jupyter_server_terminals | extension was successfully linked.
alice-1  | [I 2024-06-11 11:06:57.695 ServerApp] Writing Jupyter server cookie secret to /root/.local/share/jupyter/runtime/jupyter_cookie_secret
bob-1    | [I 2024-06-11 11:06:57.696 ServerApp] secretnote.server | extension was successfully linked.
bob-1    | [I 2024-06-11 11:06:57.707 ServerApp] Writing Jupyter server cookie secret to /root/.local/share/jupyter/runtime/jupyter_cookie_secret
alice-1  | [W 2024-06-11 11:06:57.710 ServerApp] WARNING: The Jupyter server is listening on all IP addresses and not using encryption. This is not recommended.
alice-1  | [W 2024-06-11 11:06:57.710 ServerApp] WARNING: The Jupyter server is listening on all IP addresses and not using authentication. This is highly insecure and not recommended.
alice-1  | [I 2024-06-11 11:06:57.716 ServerApp] jupyter_lsp | extension was successfully loaded.
alice-1  | [I 2024-06-11 11:06:57.717 ServerApp] jupyter_resource_usage | extension was successfully loaded.
bob-1    | [W 2024-06-11 11:06:57.722 ServerApp] WARNING: The Jupyter server is listening on all IP addresses and not using encryption. This is not recommended.
bob-1    | [W 2024-06-11 11:06:57.722 ServerApp] WARNING: The Jupyter server is listening on all IP addresses and not using authentication. This is highly insecure and not recommended.
bob-1    | [I 2024-06-11 11:06:57.728 ServerApp] jupyter_lsp | extension was successfully loaded.
bob-1    | [I 2024-06-11 11:06:57.730 ServerApp] jupyter_resource_usage | extension was successfully loaded.
alice-1  | [I 2024-06-11 11:06:57.737 ServerApp] jupyter_server_proxy | extension was successfully loaded.
alice-1  | [I 2024-06-11 11:06:57.739 ServerApp] jupyter_server_terminals | extension was successfully loaded.
alice-1  | [I 2024-06-11 11:06:57.744 ServerApp] secretnote.server | extension was successfully loaded.
alice-1  | [I 2024-06-11 11:06:57.746 ServerApp] Serving notebooks from local directory: /root/workspace
alice-1  | [I 2024-06-11 11:06:57.746 ServerApp] Jupyter Server 2.13.0 is running at:
alice-1  | [I 2024-06-11 11:06:57.746 ServerApp] http://localhost:8888/secretnote/
alice-1  | [I 2024-06-11 11:06:57.746 ServerApp]     http://127.0.0.1:8888/secretnote/
alice-1  | [I 2024-06-11 11:06:57.746 ServerApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).
bob-1    | [I 2024-06-11 11:06:57.750 ServerApp] jupyter_server_proxy | extension was successfully loaded.
bob-1    | [I 2024-06-11 11:06:57.752 ServerApp] jupyter_server_terminals | extension was successfully loaded.
bob-1    | [I 2024-06-11 11:06:57.757 ServerApp] secretnote.server | extension was successfully loaded.
bob-1    | [I 2024-06-11 11:06:57.758 ServerApp] Serving notebooks from local directory: /root/workspace
bob-1    | [I 2024-06-11 11:06:57.759 ServerApp] Jupyter Server 2.13.0 is running at:
bob-1    | [I 2024-06-11 11:06:57.759 ServerApp] http://localhost:8888/secretnote/
bob-1    | [I 2024-06-11 11:06:57.759 ServerApp]     http://127.0.0.1:8888/secretnote/
bob-1    | [I 2024-06-11 11:06:57.759 ServerApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).

然后在本地电脑浏览器打开，打开地址需要注意一下，使用服务器的ip地址

http://服务器ip:8092/secretnote/secretflow

配置节点的时候注意使用服务器ip

使用的数据和脚本来自：secretnote/docs/guide/secretnote-sf.md at main · secretflow/secretnote · GitHub

其他代码不用动，直接执行全部，注意节点与数据文件对应关系，因为不对应会导致报错文件找不到的问题。对调一下节点名称就可以解决。

源泉的小广场
关注
  • 11
    点赞
  • 踩
  • 16
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
第四讲隐语SecretFlow安装部署
03-25
第四讲隐语SecretFlow安装部署
spark隐语义模型推荐.zip
07-19
Spark隐语义模型推荐系统是一种基于大数据处理框架Apache Spark的推荐算法实现，它结合了机器学习中的隐语义模型（Latent Factor Models）与分布式计算的优势。本项目着重讲解如何利用Python编程语言来构建这样的...
隐私计算（四）：SecretFlow隐语安装部署
xmosang的博客
03-24 657
屏蔽不同机构间基础设施的差异，为跨机构协作提供丰富且可靠的资源管理和任务调度能力。在第一台机器上部署Ray主节点，模拟参与方alice。在第一台机器上部署Ray主节点，模拟参与方alice。部署两个节点，分别模拟alice，bob两个参与方。部署两个节点，分别模拟alice，bob两个参与方。在第二台机器上部署Ray从节点，模拟参与方bob。在第二台机器上部署Ray从节点，模拟参与方bob。添加alice节点（使用自己主机的公网ip地址）单个节点模拟alice，bob两个参与方。
隐语SecretFlow安装部署
Qinyp1412的博客
03-24 727
换新电脑，所以环境要重新配置了（好烦）前段时间实习，已经安装了python，但一直没配置conda（拖延癌晚期），现在来搞一下。配置环境变量（事实上我下载安装一路next之后就可以正常使用git clone指令了）查询anaconda的默认环境是base，附conda常用命令如下。选择Anaconda3 2022.10安装，安装地址看。，人已经麻了，我还是用虚拟机linux环境安装吧。报错bazel啥的，应该是版本不匹配问题，问题：“无法解析服务器的名称或地址”没有安装或没有配置git，参考。
笔记，第4讲：上手隐语SecretFlow安装部署丨隐私计算实训营
beandragonwr的博客
03-26 621
操作系统：CentOS7，Anolis8，Ubuntu 18.04/20.04，macOS11.1+，WSL2；部署两个节点，分别模拟2个参与方，第一台为Ray的主节点（填写head参数）；生产模式下，每一个参与方都是独立的Ray集群，所有参与方均要执行代码。多方服务启动不同步：调整连接参数（比如超时，重试次数）Dock模式运行集群：建议使用host网络模式，4）创建密态SPU，单独分配新端口，防止冲突。单节点模拟：alice，bob两个参与方。服务启动失败：端口占用后的端口冲突。资源：>=8核16GB。
隐私计算实训营 第一期 第四讲-上手隐语SecretFlow安装部署 学习笔记
ns__code的博客
04-02 1366
安装的方式有多种，本文采用pypi的方式安装，也就是用pip命令安装。首先需要一个Linux的环境（自行准备）如下图所示，可以通过命令行看到进入了对应的环境中：通过pip安装安装secretflow要求pip版本pip >= 19.3。一般情况下都大于，如果小于需要更新查看pip版本返回版本和对应路径。
隐语容器部署指南
爱跳水的温文尔雅的laughing
10-29 1337
mpc
SecretFlow隐语-安装
lucklilili
08-18 1407
隐私计算，SecretFlow隐语-安装
隐语第四课：快速上手-SecretFlow的安装和部署
weixin_41467180的博客
03-24 723
隐语课程，继续学习隐私计算技术
隐语MPC 节点部署及测试
爱跳水的温文尔雅的laughing
12-28 1081
隐语 MPC
隐语学习笔记-SecretPad的安装及部署
u010773358的博客
03-26 938
隐语平台部署包，可快速帮助用户体验隐语核心能力。在部署安装包的时候，可选择不同的部署模式，如部署成或者；中心化模式下，体验版内置Alice和Bob两个节点，配置相应数据，用户可直接进行模型训练；用户也可以自己添加数据表，上传自有数据进行模型训练，数据均在本地保存，无需联网即可体验。
一个基于深度学习的人像识别及隐语义（LFM）推荐系统.zip
02-19
在这个名为“一个基于深度学习的人像识别及隐语义（LFM）推荐系统.zip”的压缩包文件中，我们可以深入探讨两个关键的IT知识点：人像识别技术和隐语义模型（Latent Factor Model, LFM）在推荐系统中的应用。...
论文研究-融合隐语义和邻域算法的兴趣点推荐模型.pdf
07-22
通过隐语义分析算法来充分挖掘用户的历史行为，使用基于邻域的方法结合好友和地理位置等因素，然后在统一的框架中融合这两种推荐方式的结果，实现了对用户行为更好的预测。实验结果表明，提出的兴趣点推荐方法拥有较...
【隐私计算实训营——004上手隐语SecretFlow和SecretNote安装部署】
qq_45467608的博客
03-23 1375
以notebook的形式呈现，支持多节点代码执行和文件管理，同时执行运行状态追踪功能，极大地提升开发者的效率和工作体验。我们通过docker来启动secretflow，这里我安装的是secretflow/secretflow-lite-anolis8。这里我是用docker来进行集群模式的仿真，所以我需要了解一下docker网络的概念。在这里我采用的是Host网络模式，该模式下容器和docker主机共享网络IP和端口。之前我们的bob节点为从节点，所以需要关闭后重启为主节点。
Python编程学习第一篇——Python零基础快速入门（六）（4）异常处理
urhero的专栏
07-25 293
我们已经了解了Python的基本数据类型、变量和基本的逻辑控制语句，基于这些基础知识可以编写一些小程序了，但是在写程序的时候我们会发现，有时候程序并不是按我们预期的方向执行，有的直接报错，有的没有报错，却并未得到我们预期的结果。在这个例子中，除数为0会引发ZeroDivisionError异常，我们将异常信息赋值给变量e，并输出"除数不能为0"和异常信息。在这个例子中，由于除数不为0，所以没有发生ZeroDivisionError异常，代码会执行else语句块，并输出结果2.0。
AvaloniaUI的学习
最新发布
lishuangquan1987的博客
07-25 809
官方中文文档：https://docs.avaloniaui.net/zh-Hans/docs/welcome。
隐语框架配合TEE实现数据加密
09-01
隐语框架与TEE（可信执行环境）的配合可以实现数据加密。隐语框架主要解决的是数据隐私保护和安全计算的问题，而TEE是一种安全的硬件或软件环境，可以提供可信的执行环境来保护数据和计算过程的安全性。通过将隐语框架与TEE结合，可以实现数据在计算过程中的加密和保护。 在隐语框架中，数据可以使用全密态计算或明密文混合计算的方式进行加密。全密态计算是一种在密文环境中进行计算的方式，数据在计算过程中一直保持加密状态，可以使用Secure Aggregation算法、MPC密态引擎、同态加密等技术来进行计算。而明密文混合计算则是将部分计算从密文环境搬到明文环境，在明文环境中进行计算可以提升计算的性能，同时通过安全退让来保证数据的安全性。 TEE提供了一个可信的执行环境，可以保护计算过程中的数据和代码安全。在隐语框架中，可以使用TEE来实现数据的加密和解密操作，以及进行安全计算。TEE可以提供硬件级的安全保护，例如Intel SGX和ARM TrustZone等，也可以通过软件模拟的方式提供安全执行环境。 通过隐语框架配合TEE实现数据加密，可以在保护数据隐私的前提下，进行安全的计算和数据交换。这种组合可以应用于各种场景，例如联邦学习、数据交易市场等，为数据安全和隐私保护提供了一种可行的解决方案。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [隐私计算技术｜深度解读可信隐私计算框架“隐语”](https://blog.csdn.net/m0_69580723/article/details/126662952)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值