SecretFlow HEU 同态加密库快速入门指南

概述

SecretFlow HEU（Homomorphic Encryption Utilities）是一个专注于加法同态加密的Python库，为隐私计算场景提供基础加密能力。本文将带您快速了解HEU的核心功能和使用方法。

核心概念

HEU操作涉及三种关键对象：

1. Cleartext（原文）：Python原生数据类型，如整数、浮点数
2. Plaintext（明文）：经过编码后的整数形式
3. Ciphertext（密文）：加密后的数据

这三种对象之间的转换关系如下图所示：

基础使用示例

让我们从一个简单的加解密示例开始：

from heu import phe

# 初始化HEU环境
kit = phe.setup(phe.SchemaType.ZPaillier, 2048)
encryptor = kit.encryptor()
evaluator = kit.evaluator()
decryptor = kit.decryptor()

# 加密两个数字
c1 = encryptor.encrypt_raw(3)
c2 = encryptor.encrypt_raw(5)

# 在密文上执行加法运算
evaluator.add_inplace(c1, c2)  # c1 += c2

# 解密结果
print(decryptor.decrypt_raw(c1))  # 输出8

encrypt_raw和decrypt_raw方法支持高精度计算，其精度远超过C++ int128的范围。

编码器详解

HEU提供了多种编码器，用于将原始数据转换为适合加密的形式：

1. 基本编码器

• IntegerEncoder：编码128位以内的整数
• FloatEncoder：编码双精度浮点数
• BigintEncoder：编码任意精度整数（默认编码器）

# IntegerEncoder示例
encoder = phe.IntegerEncoder(phe.SchemaType.ZPaillier)
pt = encoder.encode(3.5)
print(encoder.decode(pt))  # 输出3

# FloatEncoder示例
encoder = phe.FloatEncoder(phe.SchemaType.ZPaillier)
pt = encoder.encode(3.5)
print(encoder.decode(pt))  # 输出3.5

# BigintEncoder示例（支持超大整数）
encoder = phe.BigintEncoder(phe.SchemaType.ZPaillier)
large_num = 9223372036854775807**10
pt = encoder.encode(large_num)
print(encoder.decode(pt) == large_num)  # True

2. 批量编码器

批量编码器可以将两个数字打包到一个明文中，提高计算效率：

• BatchIntegerEncoder：批量编码整数
• BatchFloatEncoder：批量编码浮点数

kit = phe.setup(phe.SchemaType.ZPaillier, 2048)
bc = kit.batch_integer_encoder()

# 编码两对数字
pt1 = bc.encode(123, 456)
pt2 = bc.encode(789, 101112)

# 加密并计算
ct1 = kit.encryptor().encrypt(pt1)
ct2 = kit.encryptor().encrypt(pt2)
result = kit.evaluator().add(ct1, ct2)

# 解密并解码
print(bc.decode(kit.decryptor().decrypt(result)))  # (912, 101568)

注意：批量编码器对减法操作有限制，仅当密文中所有元素都是正整数时才可使用。

持久化与分布式计算

在实际隐私计算场景中，数据提供方（Client）和计算方（Server）通常是分离的。HEU支持通过序列化实现对象持久化：

import pickle
from heu import phe

# Client端：加密数据
client_he = phe.setup(phe.SchemaType.ZPaillier, 2048)
pk_buffer = pickle.dumps(client_he.public_key())
ct1_buffer = pickle.dumps(client_he.encryptor().encrypt_raw(123))
ct2_buffer = pickle.dumps(client_he.encryptor().encrypt_raw(456))

# Server端：执行计算（无法解密）
server_he = phe.setup(pickle.loads(pk_buffer))
ct3 = server_he.evaluator().sub(pickle.loads(ct1_buffer), pickle.loads(ct2_buffer))
ct3_buffer = pickle.dumps(ct3)

# Client端：解密结果
print(client_he.decryptor().decrypt_raw(pickle.loads(ct3_buffer)))  # -333

这种模式确保了数据隐私——Server只能执行计算而无法查看原始数据。

最佳实践建议

1. 对于常规整数运算，优先使用IntegerEncoder
2. 需要处理超大整数时，使用BigintEncoder
3. 批量处理相似操作时，考虑使用批量编码器提高效率
4. 在分布式场景中，确保私钥始终由数据所有者保管
5. 注意不同编码器的数值范围限制，避免溢出

HEU为隐私计算提供了强大的基础加密能力，通过合理选择编码器和理解其特性，您可以构建安全高效的隐私计算应用。