Zama Concrete ML：为 Python 机器学习简化同态加密
Zama 致力于创建开源工具，将全同态加密 (FHE) 技术带给区块链和人工智能开发者。FHE 是一种加密技术，它允许在加密数据上进行计算，而无需解密数据或访问私钥。这种方法在需要强大隐私保护的行业中非常宝贵，例如医疗保健、金融、广告和国防。FHE 不仅在将机器学习任务外包给云时确保信任，还促进了多方之间的协作分析，同时在整个过程中保持数据的安全和私密性。
Concrete ML：具有经典 API 的用户友好型 Python 包
为了简化 FHE 的采用，这项技术涉及复杂且资源密集型的技术栈，我们开发了工具来简化 FHE 在应用程序中的集成。由于 Python 是构建机器学习 (ML) 应用程序的事实标准，因此创建一个基于 Python 的开源 FHE 库是显而易见的选择。该库的 API 与熟悉的 ML 库的 API 非常相似，这使得机器学习从业者能够轻松上手。
对于经典机器学习模型，我们借鉴了 scikit-learn 的 API，scikit-learn 是领先的 ML 库，支持包括线性模型、决策树和随机森林在内的各种模型。
对于深度学习模型，我们决定通过 ONNX（机器学习互操作性的开放标准）来支持 PyTorch。
最后，对于 DataFrames，Concrete ML 借鉴了 pandas。
使用 Concrete ML 进行构建
我们的 ML 框架和 FHE 编译器都是开源的。最近，外部开发者使用我们的库构建了令人兴奋的 FHE 应用程序，例如一个加密版 Shazam，其中歌曲在匹配数据库之前被加密，以及一个加密的 DNA 祖先分析解决方案，在整个过程中保持 DNA 的加密。
准备好开始使用 FHE 进行构建了吗？
- 阅读 Concrete ML 文档
- 探索全面的教程和演示
关于作者
Andrei Stoian 博士是 Zama 机器学习团队的负责人。他在此职位上的主要职责是监督 Concrete ML 的开发，Concrete ML 是 Zama 基于全同态加密的隐私保护机器学习工具包。过去，Andrei 曾在嵌入式系统上从事视频分析和卫星图像处理的机器学习工具和算法研究。Andrei 共同撰写了 20 多篇关于机器学习应用的论文，并拥有多项专利。
Benoit Chevallier-Mames 担任 Zama 的云计算和机器学习副总裁。他从事密码学研究和安全实现已有 20 多年，涉及侧信道安全、可证明安全性、白盒密码学和全同态加密等广泛领域。Benoit 共同撰写了 15 多篇同行评审论文，并且是 50 多项专利的共同作者。他拥有巴黎高等师范学院/巴黎大学的博士学位和法国中央理工-高等电力学院的硕士学位。