隐语v0.7版本升级，功能详情一览

[halosecret00]

据此前隐语开源社区开展的「使用体验&功能需求」调研：在技术路线上，广大开发者最常用的技术集中在隐私求交、多方安全计算、联邦学习；在功能需求上，则对于数据分析算子丰富、机器学习算子丰富、文档优化（如结构调整、代码示例的增加）的需求更为迫切。此次隐语v0.7版本更新对这些反馈建议均有覆盖：

版本更新要点🌟

1、多方安全计算能力

• 支持多种3PC的机器学习算法，包括LR，XGB，NN，及VIF，Binning，PearsonR等特征工程算法，支持2PC LR算法。

• 隐私集合求交新增实现PCG-PSI，“隐语”是首个实现[BC22]方案的隐私计算框架。
  [BC22]:https://eprint.iacr.org/2022/334

• 自研DP-PSI提供差分隐私保护的安全求交集，交集可“用”不可“见” （当前提供C++源代码内核）。 [DP-PSI]:https://arxiv.org/pdf/2208.13249

2、联邦学习能力

• 数据混合切分场景新增逻辑回归算法。

• 水平联邦新增策略抽象，内置多种non-iid优化、通信优化等SOTA策略。

• 水平和垂直联邦DNN差分隐私保护增强。

3、基础设施及性能优化

• 新增 HEU.numpy模块，相比基于原生 numpy 的明密文矩阵运算性能更高。

• SPU ABY3性能和内存优化，Cheetah 矩阵乘法优化（零密文旋转，性能提高5x）

4、文档优化

• 提供中文化文档。

• 优化文档结构，给到用户更顺畅的体验。

• 丰富了算法和架构设计说明

版本更新详情

⭐️多方安全计算能力

1. SPU密文计算设备

• [编译器] Tensorflow 前端实验性支持

• [编译器] 定点数乘整数优化(减少Truncation)

• [编译器] 增加JIT编译缓存

• [运行时] 优化算子(零拷贝Pad/Broadcast/TreeReduce/Reshape)

• [运行时] 增加rsqrt拟合，优化除法拟合算法

• [MPC] ABY3支持变长BShare类型，内存优化，Loop优化

• [MPC] ABY3优化MSB协议(带宽优化)，增加carryout电路，增加slansky加法器

• [MPC] Cheetah 矩阵乘法优化（零密文旋转），128bit支持

• [Infra] 苹果M1芯片支持

2.隐私求交新增实现的PCG-PSI

此次隐语基于[BC22]的PSI最新研究成果，在隐私求交中新增实现的PCG-PSI，是首个实现此方案的隐私计算框架。新方案相比此前计算最优的[KKRT16]方案在计算和通信方面都有很大改进，从成本(monetary cost)角度更能满足大数据量的实际业务要求。[KKRT16]:https://eprint.iacr.org/2016/799

3.自研DP-PSI算法

隐语自研了DP-PSI，可以得到差分隐私保护的交集信息，更好的满足GDPR关于隐私信息发布的相关要求。目前DP-PSI已在隐语SPU中实现。

代码可参见：

https://github.com/secretflow/spu/tree/beta/spu/psi/core/dp\_psi

详细资料和代码示例参见：

https://spu.readthedocs.io/en/beta/development/psi.html#run-dp-psi-c-example

⭐️联邦学习能力

1.数据混合切分场景下的逻辑回归算法

一种典型的数据混合切分场景举例，比如A拥有全量的样本以及部分特征，B/C/D等其他参与方拥有相同特征（与A的特征不同）但是分别持有部分样本。当您遇到混合切分场景时，隐语提供了逻辑回归算法作为建模选项。

2.水平联邦新增策略抽象

隐语新增了水平联邦策略抽象，只需在配置联邦模型时添加一个参数即可使用。隐语内置了多种压缩算法，可以将稀疏化和non-iid动态组合，同时提供了tensorflow以及pytorch两种后端的多种sota策略实现，包含non-iid优化、通信优化等。同时，用户也可以很方便的进行二次开发以尝试新的联邦策略，策略开发完成后只需要一行代码即可在隐语中注册成新的策略。

3.DNN差分隐私保护增强

隐语对水平联邦和拆分学习均增强了差分隐私（Differential Privacy，后面简称DP）保护。对于水平联邦DNN算法，隐语提供了基于RDP（Rényi Differential Privacy ）的Global DP能力。对于垂直联邦（拆分学习）DNN算法，新增了Gaussian DP能力，目前支持RDP和Gaussian DP两种差分隐私策略。

⭐️文档优化

在隐语框架正式发布后，隐语开源社区曾针对V0.6版本内容进行功能需求及体验反馈调研。在所有参与调研的有效反馈中，超过6成的开发者曾运行隐语文档提供的实例，开源社区也收到了众多开发者对于隐语文档的功能需求及优化建议，如：“提供中文文档”、“给出更多的样例作参考”、“对现有功能做概念文档补充”等等涉及呈现方式、结构、内容多方面。

感谢所有开发者的耐心细致反馈，此次0.7版本已对部分文档更新需求进行了针对性建设，并将持续完善，帮助广大开发者进一步降低学习成本、提升更加清晰便捷的上手指引，也期待更多开发者在后续的调研中提出更多建议。ps：使用过程中遇到任何问题，都可以在github上提问咨询

👉https://github.com/secretflow/secretflow/issues

除了开源框架更新，隐语开放平台也已发布，提供数据接入、统计分析、模型训练等功能，支持低代码可视化开发模式和开发者编码模式，点击查看详情，申请隐语开放平台体验试用。

隐语官网：

https://secret-flow.antgroup.com

隐语社区：

https://github.com/secretflow

https://gitee.com/secretflow

联系我们：

公众号：隐语的小剧场

B站：隐语secretflow

邮箱：secretflow-contact@service.alipay.com