liberate-fhe：为隐私保护应用带来高性能的全同态加密库

liberate-fhe：为隐私保护应用带来高性能的全同态加密库

liberate-fhe A Fully Homomorphic Encryption (FHE) library for bridging the gap between theory and practice with a focus on performance and accuracy. 项目地址: https://gitcode.com/gh_mirrors/li/liberate-fhe

项目介绍

在当今数据安全日益受到重视的时代，全同态加密（Fully Homomorphic Encryption, FHE）技术因其能在不解密的情况下对加密数据进行计算处理，而成为隐私保护技术的热点。在这样的背景下，liberate-fhe 作为一款开源的全同态加密库，致力于缩小理论与实践之间的差距，以出色的性能和精确度为核心特色，为开发者提供便捷的API，使得非密码学专业人士也能轻松使用。

liberate-fhe 的设计理念是以用户友好性为核心，通过提供纯 Python 和 CUDA 实现，确保多GPU操作的本地支持，使得该库不仅易于使用，还易于与更大的软件框架集成。

项目技术分析

liberate-fhe 采用 RNS-CKKS（Residue Number System - Complex Key Space) 加密方案，这是一种流行的全同态加密方案，特别适合处理浮点数运算。该库原生支持 Python，并提供了多GPU加速功能，使得在处理大规模数据时能够获得更快的加密和解密速度。

库的设计决策包括：

• 最小化依赖项数量，以简化安装和使用过程。
• 提供易于修改的代码，方便用户进行定制化开发。
• 默认使用多GPU，优化计算性能。
• 确保库能够轻松集成到现有的软件中，尤其是与人工智能相关的软件。

项目及技术应用场景

liberate-fhe 的核心功能是为隐私保护应用提供全同态加密支持，其应用场景广泛，包括但不限于以下几方面：

1. 云计算服务：在云服务中，使用 liberate-fhe 加密用户数据，确保数据处理过程的安全性，而无需担心数据泄露。
2. 人工智能模型训练：在训练机器学习模型时，使用 liberate-fhe 对数据进行加密，允许在加密状态下进行模型的训练和评估。
3. 多方计算：在多方计算（Multiparty Computation, MPC）中，liberate-fhe 支持多方共同对加密数据进行计算，而不会泄露各自的数据。

项目特点

liberate-fhe 的主要特点如下：

• 支持 RNS-CKKS 加密方案：这使得该库在处理涉及浮点数的计算时表现出色。
• 原生 Python 支持：用户可以使用 Python 直接调用库的API，实现加密和解密操作。
• 多GPU加速：通过CUDA技术，liberate-fhe 能够有效利用多个GPU进行并行计算，提高性能。
• 支持多方计算：允许多个参与方在保护隐私的同时共同对加密数据进行计算。

在具体使用上，liberate-fhe 提供了简洁的API，如以下代码示例所示：

from liberate import fhe
from liberate.fhe import presets

# 生成 CKKS 引擎并使用预设参数
params = presets.params["silver"]

engine = fhe.ckks_engine(**params, verbose=True)

# 生成密钥
sk = engine.create_secret_key()
pk = engine.create_public_key(sk)
evk = engine.create_evk(sk)

# 生成测试数据
m0 = engine.example(-1, 1)
m1 = engine.example(-10, 10)

# 加密数据
ct0 = engine.encrypt(m0, pk)
ct1 = engine.encrypt(m1, pk, level=5)

# 进行加密计算
result = (m0 + m1) * m1 - m0
ct_add = engine.add(ct0, ct1)  # 自动调整级别
ct_mult = engine.multiply(ct1, ct_add, evk)
ct_result = engine.sub(ct_mult, ct0)

# 解密结果
result_decrypted = engine.decrypt(ct_result, sk)

通过上述代码，用户可以快速地了解如何使用 liberate-fhe 进行基本的加密、解密和同态计算操作。

总结而言，liberate-fhe 以其高性能、易于使用和广泛的应用场景，为隐私保护领域带来了新的解决方案。无论是对于数据安全的研究者，还是希望在实际项目中应用全同态加密的开发者，liberate-fhe 都是值得尝试的优质选择。

liberate-fhe A Fully Homomorphic Encryption (FHE) library for bridging the gap between theory and practice with a focus on performance and accuracy. 项目地址: https://gitcode.com/gh_mirrors/li/liberate-fhe