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 StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
770
5.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
692
1.36 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
865
1.96 K
Ascend Extension for PyTorch
Python
728
906
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
461
455
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++
1.09 K
1.12 K
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
1.93 K
199
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
3.09 K
643
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265