zama-ai/concrete-ml

解決的問題

Concrete ML 讓資料科學家能在加密資料上執行機器學習，而無需深入掌握密碼學知識。它解決了處理敏感資訊（如醫療紀錄、金融資料或生物辨識身分）時，保持資料在整個計算過程中始終加密的問題，從而確保隱私與安全。

工作原理

此套件基於 Concrete 框架建構，並使用完全同態加密（FHE）。它提供一組工具，可自動將標準機器學習模型轉換為其同態等價物。提供與 scikit-learn 及 XGBoost 相似介面的內建模型，並支援透過 ONNX 將自訂的 PyTorch 或 Keras/TensorFlow 模型轉換，使用量化感知訓練使其符合 FHE 相容性。

適用對象

專為希望使用熟悉框架與 API 實現隱私保護機器學習（PPML）的資料科學家，以及醫療、金融、政府等高度受監管產業中需安全分析敏感資料的組織所設計。

主要亮點

• FHE 友好內建模型：提供與 scikit-learn 及 XGBoost 介面等效的即用型模型。
• 自訂模型支援：可透過 ONNX 導入 PyTorch 或 Keras/TensorFlow 模型。
• 隱私保護推論：在加密輸入上執行預測，無需解密。
• 廣泛應用場景：涵蓋加密情感分析、健康診斷、信用卡核可、加密影像過濾等多種應用。