用于nGraph的HE变压器 该项目已移至 用于nGraph:trade_mark:的是同构加密（HE）后端，是（英特尔用于人工神经网络的图形编译器）的后端。 同态加密是一种加密形式，它允许对加密的数据进行计算，并且是在机器学习领域中对数据保密性日益增加的关注的一种有吸引力的补救措施。 有关更多信息，请参见我们的。 我们的展示了他变压器的许多最新进展。 该项目旨在作为概念证明，证明HE在本地计算机上的可行性。 目的是衡量用于深度学习的各种HE方案的性能。 这并不是要用于生产就绪的产品，而是一种研究工具。 当前，我们支持加密方案，该方案由Microsoft Research的。 此外，我们还与的集成，以允许用户通过Tensorflow在经过训练的神经网络上运行推理。 例子 文件夹包含一个深度学习示例，该示例依赖于的。 建筑HE变压器 依存关系 操作系统：Ubuntu 16.04，Ubuntu 18.04。 CMake的> = 3.12 编译器：g ++版本> = 6.0，clang> = 5.0 强烈建议使用OpenMP，尽管并非绝对必要。 如果没有OpenMP，您可能会

多方同态加密方案设计

基于同态加密的机器学习研究综述

云计算是在共享资源的同时处理大型数据库的一种非常便捷的方法。 当前，有许多成本相对较低的云服务可用，这鼓励了机器和深度学习领域的研究人员使用它们。 云的问题在于其固有的不安全特性。 因此，诸如医疗保健和银行业之类的敏感部门不愿使用这些服务。 在本文中，我们为将“完全同态加密”应用于神经网络中的云上图像进行处理提供了概念证明。 在一定程度上，我们证明了FHE在黑白，灰度和彩色图像，高斯滤波和卷积神经网络（CNN）上的图像分类成功。

一.同态加密技术 同态加密技术的发展历程 突破性进展 — Gentry的工作 同态加密的研究方向 *

APT OWASP-安全编码规范参考指南 - eclipse AI安全 数据安全 恶意软件 网络安全 网络安全

以PPT的形式详细介绍了同态加密的原理，非常系统，从浅到深，逐步递进 ，非常系统，对于同态加密这种新型且深奥的技术，可以查询到的资源非常有限，而且大部分资源都是简单叙述，叙述其中的一小部分内容，让人看了不知头尾，本PPT非常系统

(Python)同态加密深度学习库 简介 PySyft 是一个用于安全、私密的深度学习的 Python 库。 PySyft 使用 PyTorch 中的联合学习、差分隐私和多方计算 (MPC) 将私有数据与模型训练分离。 加入 Slack 上的运动。 PySyft 详解 在关于 arxiv PySyft 的论文中可以找到对 PySyft 的更详细解释，Siraj Raval 预安装也以视频形式进行了解释。可选地，我们建议您在 Conda 虚拟环境中安装 PySyft。 如果您使用的是 Windows，我建议安装 Anaconda 并使用 Anaconda Prompt 从命令行工作。 conda create -n pysyft python=3 conda activate pysyft # 一些旧版本的 conda 需要“source activate pysyft”。 conda install jupyter notebook 安装 PySyft 支持 Python >= 3.6 和 PyTorch 1.1.0 pip install syft 如果您有关于 z

西安立辰远景JAVA笔试题目

Paillier半同态加密算法的原理、高效实现方法和应用