OpenMined/TenSEAL

解决的问题

TenSEAL 允许您在不解密数据的情况下对加密数据执行计算。当您需要对敏感信息（医疗记录、金融数据、个人统计数据）进行机器学习或其他数据处理时，通常必须暴露原始数据。TenSEAL 使用同态加密，使得加法、乘法、点积、矩阵乘法等算术运算可以直接在加密的张量上执行，只有最终结果才被解密。这确保了数据在处理过程中依然保持私密性。

工作原理

TenSEAL 基于 Microsoft SEAL 构建，这是一个 C++ 同态加密库。它提供了一个易于使用的 Python API，但核心计算由 C++ 完成以保证速度。它支持两种加密方案：

• BFV：用于整数（精确算术）
• CKKS：用于实数（近似算术，非常适合机器学习）

您可以通过多项式模数度数和系数模数大小等参数创建加密上下文，这些参数控制安全性和可链式操作的数量。然后，您可以加密向量或张量（如 NumPy 数组），并在加密对象上执行元素级操作、点积或矩阵乘法。上下文还可以序列化以保存密钥和加密数据。在内部，TenSEAL 包装了 SEAL 的低级 API，并添加了支持 N 维形状、广播和转置的张量层。

适用人群

TenSEAL 面向从事隐私保护机器学习的开发人员和研究人员。如果您需要在保持数据加密的同时训练或评估模型，TenSEAL 为您提供了一个便捷的 Python 接口来使用同态加密。它也适合任何希望无需编写低级 C++ 代码即可实验安全计算的人。

主要亮点

• 支持 BFV（精确整数）和 CKKS（近似实数）两种加密方案
• 提供加密张量上的元素级加法、减法、乘法、点积和矩阵乘法
• 支持 N 维张量，具备 reshape、广播和转置操作
• 支持上下文、密钥和加密张量的序列化，便于存储和传输
• 通过 tenseal.sealapi 向高级用户提供完整的 Microsoft SEAL API
• 每次合并到 main 后，自动发布基准测试结果
• 内置教程：加密数据上的逻辑回归和 MNIST 的加密卷积