niujinya的博客

本篇文章，是必读的隐私计算内容。我的感受是：读着读着你忽然心灵一颤，卧槽，奇才！话不多说，直奔主题：一.解决的问题以及有点：1.小数问题：之前解决的方法基本是缩放，这样将带来误差。2.三方隐私计算：三个参与方，至少一个腐败方。3.电路转换：算数电路，布尔电路，混淆电路计算各有利弊，转换会带来计算优化。4.效率：所有计算都是建立在效率的基础上，总之ABY3将大大提高效率。二.秘密分享：1.算数电路：（1）x = x1+x2+x3，y = y1+y2+y3x和y都分享成功

要了解fate的内部算法，安全协议是必不可少的部分，本文根据fate官方的安全协议来进行阐述。目的：1帮助大家梳理一下安全协议，2提供一个讨论的空间，3方便自己以后学习（建议收藏）。密，DH密钥交换，秘密共享(spdz)，OT，安全聚合；

零.基础主要包含三个组成部分：Guest：数据应用方。纵向联邦时是拥有标签的一方； Host：数据提供方。纵向联邦中不含label的建模方； Arbiter：协作者，中立第三方，作用是聚合多方模型；加密方案：Paillier Encryption 加法同态加密算法 Affine Homomorphic Encryption 仿射同态加密算法，加法同态 IterativeAffine Homomorphic Encryption 变换仿射同态加密算法，加法同态基于同态加密的逻辑回

论文：BatchCrypt: Efficient Homomorphic Encryption for Cross-Silo Federated Learning一.目的和背景：对于集中式联邦学习常常采用但个梯度进行加密的方案，但是单个加密会带来巨大的开销，即使有人提出了批梯度加密的方案，但是还是存在两大问题——无法完整聚合，阈值空间无法确定。文章想提出一种新的批量加密的方案。要满足三个条件：模型隐私，聚合准确，更新快速。回忆以前几种常见的加密方案的问题：1、安全多方计算MPC：远距.

若你没有安装完成请参考https://blog.youkuaiyun.com/niujinya/article/details/120193234?spm=1001.2014.3001.5502一. 使用docker启动fatedocker exec -t -i fate_python bashroot@0bd20afb2d1c:/fate#查看一下flow，打入flow即可二. 下载官方示例GitHub链接：https://github.com/FederatedAI/FATE..

一.数据上传：数据来源：GitHub链接：GitHub - FederatedAI/FATE: An Industrial Grade Federated Learning Framework国内链接：FATE: FATE（Federated AI Technology Enabler）是基于联邦机器学习技术的一个框架，其旨在提供安全的计算框架来支持联邦AI 生态 - Gitee.com在fate官方文件里面有类似scorecard_testsuite.json这样的文件，里面攥写了需.

对于dockers安装有很多版吧，我是在虚拟机上Ubuntu18.0.1的版本上安装的。一.安装docker首先卸载旧版本，包括docker、docker.io、docker.engine。sudo apt-get remove docker docker-engine docker.io containerd runc1准备工作更新apt包源索引并安装。sudo apt-get update2允许apt使用HTTPS上的仓库。sudo apt-get install