收录于合集#社区问答6个
安装部署问题
问题1:
pip安装secretflow、tensorflow、pytorch速度慢
解答：
可以挂个国内的源会快一点，因为底层依赖了tf和pytorch做backend，不安装会导致没法用
问题2：
pip安装secretflow报spu找不到
解答：
1. 需要确认环境是不是符合要求:
https://spu.readthedocs.io/en/beta/getting_started/install.html#environment
2. 用的国内的pypi源, 尝试用官方源
pip install -i https://pypi.org/simple/ spu
问题3:
安装过程中import secretflow报错
tensorflow/stream_executor/platform/default/do_loader.cc:64] Could not Toad dynamic library "Tibcudart.so.11.0'; dlerror: libcudart.so.11.0: cannot open shared obiect file: No such file or directory
解答：
直接 ignore
问题4：
执行以下操作时，显示无法连接到位于 192.168.137.4:6379 的 GCS
RAY_DISABLE_REMOTE_CODE=true \
RAY_SECURITY_CONFIG_PATH=config.yml \
RAY_USE_TLS=1 \
RAY_TLS_SERVER_CERT=servercert.pem \
RAY_TLS_SERVER_KEY=serverkey.pem \
RAY_TLS_CA_CERT=cacert.pem \
ray start --head --node-ip-address="192.168.137.4" --port="6379"
--resources='{"alice": 8}' --include-dashboard=False --disable-usage-stats
解答：
应该是自签证书不对导致的。如果只是测试的话，可以把mTLS双向认证关闭，即将RAY_USE_TLS设置为0。参考这个教程生成自签证书，尤其注意将alternate_names设置为主机IP地址，X509证书会对Subject Alternative Name进行校验
问题5：
服务器内存2g，安装报错。
解答：
2g内存有点过低，建议扩大后重试。隐语的最低推荐配置为8C16G。
sf使用问题
问题1:
secretflow验证可信性
解答
SecretFlow的整体设计思想是把数据提供方，计算方抽象成逻辑设备PYU、SPU、HEU、TEE，用户在逻辑设备上进行编程，构建出一张逻辑计算图。在这张计算图中，当发生跨设备数据流动的时候，就会按照(源设备，目标设备)预定的转换协议对数据进行转换。
问题2:
secretflow支持arm架构的m1芯片mac电脑吗
解答：
目前该能力在内部测试中，我们会力所能及支持m1 mac。
问题3:
找不到满足要求的spu版本。
ERROR: Could not find a version that satisfies the requirement spu==0.1.0b1
解答：
请使用官方 docker 镜像：
https://github.com/secretflow/spu#docker
spu-heu使用问题
问题1:
“安全聚合模块”和“定义函数编译生成静态计算图”两种达到聚合的效果有什么不同
解答：
三角函数和双曲函数里现在暂时只实现了 tanh，其他会在后续迭代中陆续添加。jax numpy 大体上的支持情况可以看一下这个测试文件：
https://github.com/secretflow/spu/blob/beta/spu/binding/tests/jnp_testbase.py
问题2:
HEU只支持半同态的加密算法吗
解答：
目前是只支持半同态算法，全同态算法在规划中，但暂时还没有具体的发布计划
问题3:
heu和spu之间的转换协议考虑：spu到heu，直接对share加密，对arithemetic share是可以的吗？
解答：
是的，直接在Share上加密和转化，中间不会reconstruction，对Arithmetic Share是可以的。
问题4：
spu到heu的转换之后不对称，怎么决定谁是秘钥拥有方，是否可配置
解答：
算法实现者需要手动指定密钥拥有方，这个是可配置的。
问题5:
heu里支持的半同态算法
解答：
Paillier
问题6:
在带有 SPU 的神经网络中如何使用 3PC
sf.init(['alice', 'bob', 'adan'], num_cpus=12, log_to_driver=True)
alice, bob, adan = sf.PYU('alice'), sf.PYU('bob'), sf.PYU('adan')
spu = sf.SPU(sf.utils.testing.cluster_def(['alice', 'bob', 'adan']))
x1, _= alice(load_train_dataset)(party_id=0)
x0, _= adan(load_train_dataset)(party_id=1)
x2, y= bob(load_train_dataset)(party_id=2)
解答：
您正在运行的 semi2k 2pc 是一个 3pc 协议，因为它依赖于受信任的第一方（或者您可以将其视为受信任的第三方）来生成离线相关随机数。Secretflow 中真正可用的 2pc 协议是 cheetah 协议。cheetah 协议现在可以很好地与 LR 等简单的应用程序配合使用。对于 NN，您可能需要等未来的 Secretflow 版本，我们仍在研究一些底层构建块。
问题7:
提供一个HEU初始化案例
解答：
HEU 分为两部分，第一他是 secretflow 中的一个 device，第二他本身也是一个同态加密的 library 如果是后者，把 HEU 单独当做 lib 使用，是有文档的，参见 https://heu.readthedocs.io/ 如果是前者，把 HEU 当做 device 使用，这部分还是实验性的，当前有一个基于 HEU + SPU 的 LR 实现，其教程有所欠缺，我们后面会补充相关文档。如果你着急的话，可参考 HESS-LR 的单测获取其用法。
其他问题
问题1
隐语框架TEE代码在哪
解答：
目前TEE部分的代码暂未开放，不过后续的开源计划里有这块内容，敬请期待
问题2:
基于TEE的多方MPC计算解决方案在隐语中吗
解答：
TEE 集群里跑 MPC 确实是一种新颖的方式，相比较纯 TEE 方案有额外优点。举个例子比如这种模式下，TEE进出的数据都是统计学上无差别的随机数，因此能够有效抵御一部分侧信道攻击。隐语当然会支持这种新颖的模式，不过目前 TEE 结合 MPC 的方案还未开放，预计年底左右会开放 TEE + MPC 的 TECC 设备，敬请关注期待。
问题3:
aggr=SecureAggregator(device=alice, participants=[alice, bob]) 无限期执行
解答：
是虚拟机的cpu个数设置成1个导致的，我将虚机的cpu设置成8个，然后可以了
问题4:
在不同数据集上运行演示错误，配置 6c8g
The actor is dead because its worker process has died. Worker exit type:
SYSTEM_ERROR_EXIT (SPURuntime pid=10311) I0714 09:14:38.084491 10471
external/com_github_brpc_brpc/src/brpc/socket.cpp:2202]Checking Socket{id=0 addr=127.0.0.1:36067} (0x563ea08fe600)
解答：
8c16g 是最低配置要求
问题5:
用较小的数据集进行测试，当使用 jax 构建的模型在 SPU 上运行时，SPU 默认使用 ABY3 协议吗
解答：
默认协议取决于参与方的数量：
https://spu.readthedocs.io/en/beta/reference/runtime_config.html#protocolkind
如果 SPU 设备是 2PC，将使用 SEMI2K。
如果 SPU 设备是 3PC，将使用 ABY3。
隐语介绍：
隐语Secret-Flow是蚂蚁集团自主研发的一套通用隐私计算框架，以安全、开放为设计理念，支持包括MPC、TEE、FL、HE、DP在内的多种主流隐私计算技术。目前“隐语”已正式开源，诚挚邀请业界同行参与隐语共建，丰富隐私计算落地场景，齐力推动隐私计算技术发展，最终实现整个隐私计算行业的进步。
