PySEAL 的项目扩展与二次开发
2025-06-01 08:02:19作者:羿妍玫Ivan
项目的基础介绍
PySEAL 是一个基于 Python 的同态加密库,它是对 Microsoft Research 开发的 Simple Encrypted Arithmetic Library (SEAL) 的一个 Python 绑定。SEAL 是一个用于执行同态加密的库,允许在加密的数据上进行计算,而不需要解密。PySEAL 通过 Docker 容器封装了 SEAL 的构建过程,并提供了一个易于使用的 Python API,使得开发者可以在 Python 环境中方便地使用同态加密功能。
项目的核心功能
PySEAL 的核心功能是提供了一套用于同态加密的 API,包括但不限于:
- 创建加密参数(EncryptionParameters)并设置其模数属性。
- 创建密钥生成器(KeyGenerator)生成公钥/私钥对和评估密钥。
- 使用加密器(Encryptor)对明文多项式进行加密。
- 使用解密器(Decryptor)对密文多项式进行解密。
- 使用评估器(Evaluator)在加密数据上进行计算,并在乘法操作后重新线性化加密数据。
- 使用整数编码器(IntegerEncoder)在整数和明文多项式之间进行编码和解码。
项目使用了哪些框架或库?
PySEAL 项目的实现主要使用了以下框架或库:
- Docker:用于容器化 SEAL 库的构建过程。
- C++:SEAL 库的原始语言。
- Python:提供了对 SEAL 库的 Python 绑定。
- pybind11:用于生成 Python 绑定的工具。
项目的代码目录及介绍
项目的代码目录结构如下:
- SEAL:包含 SEAL 库的源代码。
- SEALExamples:包含使用 SEAL 库的示例代码。
- SEALNET:包含用于 .NET 的 SEAL 库代码。
- SEALNETExamples:包含使用 SEALNET 库的示例代码。
- SEALNETTest:包含 SEALNET 库的测试代码。
- SEALPython:包含 SEAL 库的 Python 绑定代码。
- SEALPythonExamples:包含使用 PySEAL 的 Python 示例代码。
- SEALPythonNotebooks:包含使用 PySEAL 的 Jupyter 笔记本。
- SEALTest:包含 SEAL 库的测试代码。
- Dockerfile:用于构建包含 SEAL 库的 Docker 容器的配置文件。
- build-docker.sh:用于构建 Docker 容器的脚本。
- run-docker-jupyter.sh:用于在 Docker 容器中启动 Jupyter 的脚本。
- run-docker.sh:用于在 Docker 容器中运行 PySEAL 示例的脚本。
对项目进行扩展或者二次开发的方向
-
增加新的加密算法:根据需要,可以在 PySEAL 中集成新的同态加密算法,以提供更多的选择和灵活性。
-
优化性能:对现有算法进行性能优化,提高加密和解密的效率。
-
扩展 API:根据用户需求,扩展 PySEAL 的 API,使其支持更多的加密操作和数学运算。
-
增加错误处理和日志记录:增强项目的健壮性,提供详细的错误信息和日志记录。
-
支持更多编程语言:除了 Python,可以尝试为其他编程语言提供绑定,如 JavaScript、Java 或 Go。
-
开发可视化工具:为 PySEAL 提供可视化工具,帮助开发者更直观地理解和调试加密算法。
-
社区支持和文档完善:建立社区,提供详细的文档和教程,帮助开发者更快地上手和使用 PySEAL。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
649
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
632
143