zama-ai/concrete-ml

해결하는 문제

Concrete ML은 데이터 과학자가 암호화된 데이터 위에서 기계학습을 수행할 수 있도록 도와주며, 암호학에 깊은 전문 지식이 필요하지 않습니다. 의료 기록, 금융 데이터, 생체 인증 정보와 같은 민감한 정보를 처리할 때 데이터를 전체 계산 과정 동안 암호화된 상태로 유지함으로써 프라이버시와 보안을 보장합니다.

작동 방식

이 라이브러리는 Concrete 프레임워크 위에 구축되어 있으며, 완전한 동형 암호화(FHE)를 활용합니다. 표준 기계학습 모델을 자동으로 그 동형 등가물로 변환하는 도구 세트를 제공합니다. scikit-learn 및 XGBoost와 유사한 API를 갖춘 내장 모델을 제공하며, ONNX를 통해 PyTorch 또는 Keras/TensorFlow 모델을 변환할 수 있습니다. 양자화 인식 학습을 사용하여 FHE 호환 모델로 만듭니다.

대상 사용자

익숙한 프레임워크와 API를 사용하여 프라이버시 보호 기계학습(PPML)을 구현하고자 하는 데이터 과학자, 그리고 의료, 금융, 정부와 같은 엄격한 규제 산업에서 민감한 데이터를 안전하게 분석해야 하는 조직을 위한 것입니다.

주요 특징

• FHE 친화적 내장 모델: scikit-learn 및 XGBoost와 동일한 인터페이스를 갖춘 즉시 사용 가능한 모델.
• 사용자 정의 모델 지원: ONNX를 통해 PyTorch 또는 Keras/TensorFlow 모델을 가져올 수 있습니다.
• 프라이버시 보호 추론: 입력 데이터를 복호화하지 않고도 암호화된 입력에서 예측을 수행할 수 있습니다.
• 다양한 활용 사례: 암호화된 감성 분석, 건강 진단, 신용카드 승인, 암호화된 이미지 필터링 등 다양한 응용 가능.