APSI项目下载及安装教程
2024-12-05 03:11:06作者:翟江哲Frasier
1. 项目介绍
APSI(Asymmetric Private Set Intersection)是一个基于C++的开源库,用于实现非对称(无标签或有标签)的私有集合交集功能。该库基于Microsoft SEAL库中的BFV同态加密方案,允许两个拥有私集合的参与方在不揭露任何其他信息的情况下,检查它们共同拥有的元素。APSI支持无标签模式,即查询方仅检查特定记录是否存在于数据集中;同时也支持有标签模式,即查询方还可以检索匹配记录的附加信息。
2. 项目下载位置
项目托管在GitHub上,下载位置为:https://github.com/microsoft/APSI.git
3. 项目安装环境配置
在开始安装之前,确保您的系统中已安装以下依赖:
- CMake
- GCC(建议版本4.9或更高)
- Microsoft SEAL(同态加密库)
以下为环境配置的示例图片:
# 安装CMake
sudo apt-get install cmake
# 安装GCC
sudo apt-get install build-essential
# 从GitHub克隆Microsoft SEAL库
git clone https://github.com/microsoft/SEAL.git
cd SEAL
mkdir build && cd build
cmake ..
make
sudo make install
4. 项目安装方式
克隆APSI仓库到本地后,可以使用以下步骤来构建和安装项目:
# 克隆APSI项目
git clone https://github.com/microsoft/APSI.git
# 进入项目目录
cd APSI
# 创建构建目录并配置
mkdir build && cd build
cmake ..
# 构建项目
make
# 安装项目(可选)
sudo make install
5. 项目处理脚本
在APSI项目中,提供了几个脚本用于帮助用户处理数据。以下是一些基本的使用示例:
# 运行测试脚本
./test.sh
# 运行示例脚本
./example.sh
确保在运行这些脚本前,您已经正确配置了环境并且安装了所有必要的依赖。
以上就是关于APSI项目的下载及安装教程,希望对您有所帮助。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
659
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
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
342
146