forward_encrypt.md

算法简介

前向加密参考论文：Additively Homomorphical Encryption based Deep Neural Network for Asymmetrically Collaborative Machine Learning
EFLS实现了一个用来做前向加密的加密层，用来将一侧联邦计算方的embedding发送到另一方，完成两侧embedding的合并操作。该算法通过同态加密和加噪的方式对于前向和后向交互的embedding数据来说，接收方仅能得到一个加密的数据或者加噪的数据，并且无法还原数据本来的信息，以达到加密的效果。具体的算法流程可以参考引用的论文。

EncryptLayer

EncryptPassiveLayer

一般由leader侧创建，接收follower侧发送的加密embedding，和自己提供的embedding合并起来，并乘以一个权重。

efl.privacy.EncryptPassiveLayer

参数

​参数列表
communicator	efl.Communicator	用于数据交互的通信器
dim	int	己方提供的embedding维度
recv_dim	int	接收对方的embedding维度
public_file	string	公钥所在文件地址
learning_rate	float	内部variable的学习率
initializer	tf.Initializer	权重初始化器，默认为全1的初始化器
name	string	该层的名字

方法

call

layer(inputs)

参数​
inputs	tf.Tensor	己方提供的embedding
功能及返回值
tf.Tensor		己方提供的embedding和对方发送的embeeding合并(concat)后，乘以随机初始化权重的结果

EncryptActiveLayer

一般由follower侧创建，向leader侧发送的加密embedding。

efl.privacy.EncryptActiveLayer

参数

​参数列表
communicator	efl.Communicator	用于数据交互的通信器
dim	int	己方提供的embedding维度
public_file	string	公钥所在文件地址
private_file	string	私钥所在文件地址
learning_rate	float	内部variable的学习率
noise_initializer	tf.Initializer	噪声初始化器，默认为全0的初始化器
update_noise	bool	是否在训练过程中迭代改变噪声
name	string	该层的名字

方法

call

layer(inputs)

参数​
inputs	tf.Tensor	需要发送给对方的embedding
功能及返回值
tf.Tensor		需要发送的embedding，值和inputs相同