OpenMined/PySyft

PySyft – 隐私保护数据科学平台

功能
PySyft 允许数据所有者将原始数据保留在自己的机器上，而数据科学家可以提交在这些私有数据上运行的 Python 作业。离开所有者设备的唯一内容是所有者明确批准的结果。它通过普通的云文件服务（Google Drive、Microsoft 365）工作，因此无需特殊服务器。

关键概念

• 远程数据科学（RDS）客户端 – login_do / login_ds 对象代表数据所有者和数据科学家的角色。
• 数据集 – 所有者创建模拟版本（公开）和私有版本（真实数据）。科学家可以探索模拟数据，然后提交自动在私有版本上运行的作业。
• 作业 – Python 脚本被上传，在所有者端的虚拟环境中沙盒化，执行，并同步回批准的输出。
• 权限与点对点认证 – 每个协作者必须在任何数据交换之前被添加并批准。
• 传输无关、离线优先 – 目前通过 Google Drive 实现，但同步层可以替换；即使对等方离线，工作也会继续，并在稍后同步。
• 飞地 – 可选隔离执行环境，用于额外安全（例如，双盲 LLM 评估）。

如何开始

1. 安装核心库和 RDS 客户端：

   uv pip install "syft>=0.10.0" "syft-rds>=0.6.0"
   

   数据所有者还需要添加 syft-bg 用于后台服务。
2. 使用 Google Cloud OAuth 令牌登录（Colab 会自动执行此操作）。
3. 在所有者端创建数据集，同步，并让科学家获取目录。
4. 编写一个纯 Python 脚本（analysis.py），通过 syft.resolve_dataset_file_path 读取数据集并写入结果。
5. 将脚本作为作业提交，所有者批准，作业在沙盒中运行，科学家检索输出。

主要包

包	角色
syft-rds	远程数据科学客户端 – 登录、数据集和作业 API
syft-datasets	数据集创建、版本控制、模拟/私有分离
syft-job	作业定义、提交、沙盒化执行
syft-permissions / syft-perms	细粒度访问控制
syft-bg	后台服务、电子邮件通知、TUI 仪表板
syft-notebook-ui	在 Jupyter 中显示结果的辅助工具

典型用例
一家医院（数据所有者）将患者记录存储在 Google Drive 上的私有文件夹中。一位研究人员（数据科学家）编写一个分析脚本，计算统计摘要。脚本被发送到医院，在隔离的虚拟环境中运行，并且只返回批准的摘要 – 原始患者数据永远不会离开医院。

社区与支持
由 OpenMined 基金会开发，该项目是开源的（Apache 2.0），并有一个活跃的 Slack 社区提供帮助。仓库包含单元和集成测试套件，鼓励贡献者使用 just test-* 命令进行本地测试。

---

以上所有细节均直接取自仓库的 README。