nillion aivm

NIXMION AIVM

AIVM est un cadre de pointe conçu pour la préservation de la confidentialité à l'aide de protocoles cryptographiques avancés. Avec AIVM, vous pouvez déployer un réseau de développement local (DEVNET) pour explorer l'inférence privée à l'aide d'exemples fournis ou de modèles personnalisés.

Table des matières

• Installation de l'AIVM
• Exécution AIVM
• Usage
  • Inférence privée
  • Téléchargement de modèle personnalisé
• Licence

Installation de l'AIVM

1. Créer un environnement virtuel:

   python3 -m venv .venv

2. Activez l'environnement virtuel:

   Sur Linux / macOS:

    source .venv/bin/activate

   Sur Windows:

   . v env S cripts a ctivate

3. Installez le package:

   Si vous voulez exécuter les exemples, exécutez:

   pip install " nillion-aivm[examples] "

   Sinon, si vous voulez produire votre propre code, vous pouvez simplement:

   pip install nillion-aivm

Exécution AIVM

1. Démarrez l'AIVM Devnet:

   aivm-devnet

2. Ouvrez les exemples de cahier de jupyter fourni / GetTartted.ipynb pour exécuter des exemples d'inférence privés sur AIVM.

3. Après avoir terminé vos tâches, terminez le processus DevNet en appuyant sur CTRL+C

Usage

Pour une utilisation supplémentaire, reportez-vous au dossier Exemples, qui montre comment configurer des workflows d'inférence privés à l'aide d'AIVM.

Effectuer une inférence sécurisée

Utilisation de base

1. Tout d'abord, importez le client AIVM et vérifiez les modèles disponibles:

 import aivm_client as aic

# List all supported models
available_models = aic . get_supported_models ()
print ( available_models )

2. Préparez vos données d'entrée. Voici un exemple utilisant Pytorch pour générer une entrée aléatoire:

 import torch

# Create a sample input (e.g., for LeNet5 MNIST)
random_input = torch . randn (( 1 , 1 , 28 , 28 ))  # Batch size 1, 1 channel, 28x28 pixels

3. Cryptez votre entrée à l'aide du cryptenseur approprié:

 # Encrypt the input
encrypted_input = aic . LeNet5Cryptensor ( random_input )

4. Effectuer une inférence sécurisée:

 # Get prediction while maintaining privacy
result = aic . get_prediction ( encrypted_input , "LeNet5MNIST" )

La fonction get_prediction gère automatiquement le protocole de calcul sécurisé avec les nœuds aivm-devnet , garantissant que vos données d'entrée restent privées tout au long du processus d'inférence.

Téléchargement de modèle personnalisé

Vous pouvez déployer vos propres modèles formés à AIVM, à condition qu'ils suivent les architectures prises en charge (Berttiny ou LENET5).

Téléchargement des modèles personnalisés

1. Importer le client AIVM:

 import aivm_client as aic

2. Téléchargez votre modèle personnalisé:

 # For BertTiny models
aic . upload_bert_tiny_model ( model_path , "MyCustomBertTiny" )

# For LeNet5 models
aic . upload_lenet5_model ( model_path , "MyCustomLeNet5" )

3. Effectuez l'inférence avec votre modèle personnalisé:

 # For BertTiny models
result = aic . get_prediction ( private_berttiny_input , "MyCustomBertTiny" )

# For LeNet5 models
result = aic . get_prediction ( private_lenet5_input , "MyCustomLeNet5" )

Licence

Ce projet est autorisé sous la licence du MIT.