Zama Concrete ML：簡化 Python 機器學習的同態加密
Zama 建立開源工具，將完全同態加密 (FHE) 帶給區塊鏈和人工智慧開發人員。FHE 是一種加密技術，允許在加密資料上進行計算，而無需解密或訪問私鑰。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 不僅確保了將機器學習任務外包到雲端的信任，而且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：一個具有經典 API 的使用者友好的 Python 包
為了簡化 FHE 的採用，其中涉及複雜且資源密集的技術堆疊，我們開發了簡化 FHE 整合到應用程式中的工具。由於 Python 是構建機器學習 (ML) 應用程式的事實標準，因此在 Python 中建立一個開源 FHE 庫是一個顯而易見的選擇。該庫具有與熟悉的 ML 庫非常相似的 API，使其易於機器學習從業人員使用。
對於經典的機器學習模型，我們從 scikit-learn 的 API 中汲取了靈感，scikit-learn 是一個領先的 ML 庫，支援多種模型，包括線性模型、決策樹和隨機森林。
對於深度學習模型，我們決定透過 ONNX 這個機器學習互操作性的開放標準來支援 PyTorch。
最後，對於 DataFrames，Concrete ML 從 pandas 中汲取了靈感。
使用 Concrete ML 構建
我們的 ML 框架 和 FHE 編譯器 都是開源的。最近，外部開發人員使用我們的庫構建了令人興奮的 FHE 應用程式，例如 Shazam 的加密版本，其中歌曲在與資料庫匹配之前進行加密，以及 加密的 DNA 祖先分析解決方案，該解決方案在整個過程中保持 DNA 的加密狀態。
準備好開始使用 FHE 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 基於完全同態加密的隱私保護機器學習工具包。過去，Andrei 致力於嵌入式系統上用於影片分析和衛星影像處理的機器學習工具和演算法。Andrei 合著了 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 的雲和機器學習副總裁。他在密碼學研究和安全實施方面花費了 20 多年，涉及側通道安全、可證明安全、白盒密碼學和完全同態加密等廣泛領域。Benoit 合著了 15 多篇同行評審論文，並且是 50 多項專利的合著者。他擁有巴黎高等師範學院/巴黎大學的博士學位和 CentraleSupelec 的碩士學位。