Apache Pirk 项目技术文档
2024-12-23 03:12:15作者:韦蓉瑛
1. 安装指南
环境要求
- Java 8 或更高版本
- Maven 3.x
- 依赖项:Apache Hadoop、Apache Spark、Apache Storm、Elasticsearch
安装步骤
-
克隆项目仓库:
git clone https://github.com/apache/incubator-pirk.git cd incubator-pirk -
构建项目:
- 使用默认的
pom.xml文件构建项目:mvn package - 如果需要运行 Paillier 基准测试,可以使用
pom-with-benchmarks.xml文件:mvn package -f pom-with-benchmarks.xml
- 使用默认的
-
检查构建结果:
- 构建成功后,生成的 JAR 文件将位于
target目录下。
- 构建成功后,生成的 JAR 文件将位于
2. 项目的使用说明
基本概念
Apache Pirk 是一个用于可扩展私有信息检索(PIR)的框架。PIR 允许用户在不泄露查询内容的情况下,从数据集中检索信息。Pirk 使用同态加密技术,使得数据集可以在其原生位置进行查询,而无需移动数据。
主要角色
- Querier(查询者):负责生成加密的查询向量、解密查询结果。
- Responder(响应者):负责在目标数据集上执行加密查询,并生成加密的查询结果。
使用流程
- Querier 生成加密的查询向量,并将其发送给 Responder。
- Responder 使用加密的查询向量在数据集上执行查询,并将加密的查询结果发送回 Querier。
- Querier 解密查询结果,获取所需信息。
3. 项目API使用文档
数据和查询模式
Pirk 使用 XML 文件定义数据和查询模式,这些模式在 Querier 和 Responder 之间共享,以支持灵活和多样的数据和查询类型。
API 示例
-
生成加密查询向量:
QueryVector queryVector = new QueryVector(querySchema); queryVector.generateEncryptedQuery(); -
执行加密查询:
EncryptedQueryResult result = responder.performEncryptedQuery(queryVector); -
解密查询结果:
DecryptedResult decryptedResult = querier.decryptQueryResult(result);
4. 项目安装方式
通过 Maven 安装
-
在项目的
pom.xml文件中添加 Pirk 依赖:<dependency> <groupId>org.apache.pirk</groupId> <artifactId>pirk-core</artifactId> <version>1.0.0</version> </dependency> -
使用 Maven 构建项目:
mvn clean install
通过源码安装
-
克隆项目仓库并进入项目目录:
git clone https://github.com/apache/incubator-pirk.git cd incubator-pirk -
使用 Maven 构建项目:
mvn package -
构建成功后,生成的 JAR 文件将位于
target目录下,可以直接使用。
总结
Apache Pirk 是一个强大的 PIR 框架,适用于需要在分布式环境中进行私有信息检索的场景。通过本文档,您可以了解如何安装、使用 Pirk,并掌握其 API 的基本用法。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust089- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
热门内容推荐
最新内容推荐
如何快速掌握缠论分析:通达信可视化插件完整指南如何快速掌握缠论技术分析:通达信可视化插件终极指南如何快速掌握缠论可视化分析:通达信终极交易插件指南100 万级照片不卡顿:Immich 数据库索引优化与 PostgreSQL 维护深度实战。如何用通达信缠论可视化插件快速识别K线买卖信号如何快速掌握SoloPi:Android自动化测试的终极完整指南Claude Code 虽好,但没这几项“技能”加持,它也就是个高级聊天框通达信缠论可视化分析插件:如何实现精准的技术分析提取“通用语言”:如何让 AI 从你的聊天记录里自动长出业务术语表?通知并发设置为 5 引发的推送风暴:Immich 消息队列阻塞排查。
项目优选
收起
暂无描述
Dockerfile
695
4.49 K
Ascend Extension for PyTorch
Python
559
684
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++
956
941
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
488
89
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
411
334
昇腾LLM分布式训练框架
Python
148
176
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.6 K
936
Oohos_react_native
React Native鸿蒙化仓库
C++
338
387
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
139
220
暂无简介
Dart
940
236