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
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
最新内容推荐
全球36个生物多样性热点地区KML矢量图资源详解与应用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 PANTONE潘通AI色板库:设计师必备的色彩管理利器 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 Python开发者的macOS终极指南:VSCode安装配置全攻略 STM32到GD32项目移植完全指南:从兼容性到实战技巧 Jetson TX2开发板官方资源完全指南:从入门到精通 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
186
205
暂无简介
Dart
629
143
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
242
316
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
383
3.62 K
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
210
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
291
103
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++
648
266
仓颉编译器源码及 cjdb 调试工具。
C++
128
858