Delta开发文档
开箱即用的区块链隐私计算框架
功能介绍
Delta可以联合分散在各处的数据,进行统计计算以及机器学习,数据全程不会离开本地,实现了数据的可用不可见,可应用于金融、医疗、政府、知识产权等领域,实现联合风控、联合科研、政企数据连接等需求,充分发挥数据的价值。
Delta通过封装整合联邦学习、安全多方计算、差分隐私等最新的隐私计算技术,降低了开发门槛,使用者无需了解隐私计算技术,也可快速实现计算需求。 用户可以快速地部署Delta节点,搭建隐私计算网络,联合多方数据,完成隐私计算。
Delta保证了计算结果的可信性,在用户无法获取原始数据的前提下,通过集成的区块链和零知识证明技术验证计算结果的正确性。
框架特点
Delta包含了搭建一个完整的区块链隐私计算网络的全部组件,每个组件都可以使用Docker镜像快速部署。开发者可以根据需要选择需要的组件快速完成网络的搭建。
Delta对隐私计算底层技术进行了彻底的封装,编写隐私计算任务无需对底层的原理有任何了解,只需要开发者按照以前的方式完成计算任务编写,Delta就可以将其做为隐私计算任务,在多节点网络中进行执行。
Delta支持使用PyTorch编写的机器学习任务,以及使用Pandas编写的数据统计任务。以前写的PyTorch/Pandas代码几乎可以不加修改的直接在Delta网络中执行,通过隐私计算联合多个节点的数据,获得更大数据集上的模型训练结果、验证结果以及统计数据。
关于Delta框架的详细架构说明,可以参考这篇文章:
Delta网络快速搭建
Delta网络可以使用Docker镜像快速完成搭建,详情请参考:
Delta社区
Github:代码使用过程中出现的问题,可以在Github中对应的仓库提Issue,为方便其他人查询,请将Issue标题写为问题的大致描述:
微信交流群:请扫码加好友,并备注"Delta社区":
Slack:点击下面的邀请链接加入Slack:
相关链接
Delta官网:
Github源代码仓库:
隐私计算技术专栏:
最后更新于