Zama Concrete ML：為 Python 機器學習簡化同態加密
Zama 致力於建立開源工具，將全同態加密 (FHE) 技術帶給區塊鏈和人工智慧開發者。FHE 是一種加密技術，它允許在加密資料上進行計算，而無需解密資料或訪問私鑰。這種方法在需要強大隱私保護的行業中非常寶貴，例如醫療保健、金融、廣告和國防。FHE 不僅在將機器學習任務外包給雲時確保信任，還促進了多方之間的協作分析，同時在整個過程中保持資料的安全和私密性。
Concrete ML：具有經典 API 的使用者友好型 Python 包
為了簡化 FHE 的採用，這項技術涉及複雜且資源密集型的技術棧，我們開發了工具來簡化 FHE 在應用程式中的整合。由於 Python 是構建機器學習 (ML) 應用程式的事實標準，因此建立一個基於 Python 的開源 FHE 庫是顯而易見的選擇。該庫的 API 與熟悉的 ML 庫的 API 非常相似，這使得機器學習從業者能夠輕鬆上手。
對於經典機器學習模型，我們借鑑了 scikit-learn 的 API，scikit-learn 是領先的 ML 庫，支援包括線性模型、決策樹和隨機森林在內的各種模型。
對於深度學習模型，我們決定透過 ONNX（機器學習互操作性的開放標準）來支援 PyTorch。
最後，對於 DataFrames，Concrete ML 借鑑了 pandas。
使用 Concrete ML 進行構建
我們的 ML 框架和 FHE 編譯器都是開源的。最近，外部開發者使用我們的庫構建了令人興奮的 FHE 應用程式，例如一個加密版 Shazam，其中歌曲在匹配資料庫之前被加密，以及一個加密的 DNA 祖先分析解決方案，在整個過程中保持 DNA 的加密。
準備好開始使用 FHE 進行構建了嗎？
- 閱讀 Concrete ML 文件
- 探索全面的教程和演示
關於作者
Andrei Stoian 博士是 Zama 機器學習團隊的負責人。他在此職位上的主要職責是監督 Concrete ML 的開發，Concrete ML 是 Zama 基於全同態加密的隱私保護機器學習工具包。過去，Andrei 曾在嵌入式系統上從事影片分析和衛星影像處理的機器學習工具和演算法研究。Andrei 共同撰寫了 20 多篇關於機器學習應用的論文，並擁有多項專利。
Benoit Chevallier-Mames 擔任 Zama 的雲計算和機器學習副總裁。他從事密碼學研究和安全實現已有 20 多年，涉及側通道安全、可證明安全性、白盒密碼學和全同態加密等廣泛領域。Benoit 共同撰寫了 15 多篇同行評審論文，並且是 50 多項專利的共同作者。他擁有巴黎高等師範學院/巴黎大學的博士學位和法國中央理工-高等電力學院的碩士學位。