5.2 开源工具与框架

5.2 开源工具与框架

本节摘要：PETs 用什么工具落地？本节梳理主流开源库和框架——HE（SEAL/OpenFHE/HElib）、MPC（MP-SPDZ/CrypTen）、ZKP（Circom/Noir）、DP（OpenDP/Opacus）、FL（PySyft/FATE/Flower）、TEE（Gramine/Occlum）。读完你能选对工具。

一、HE 工具

1. Microsoft SEAL

• 最流行的 HE 库，C++/Python/C# 接口。
• 支持 BFV（整数）、CKKS（实数）。
• 文档好，社区活跃，工业落地多。
• 适合：入门 HE、隐私 ML（CKKS）、整数计算（BFV）。

2. OpenFHE（前身 PALISADE）

• 全方案 HE 库，支持 BGV/BFV/CKKS/TFHE。
• C++/Python，模块化设计。
• 适合：需多种方案、研究、生产。

3. HElib

• IBM 开源，BGV/CKKS，最早 HE 库之一。
• 性能好但接口低层，学习曲线陡。
• 适合：研究、深度定制。

4. TFHElib/Concrete

• TFHElib：TFHE 原版，比较和非线性强。
• Concrete（Zama）：TFHE 工具链，Python 友好，编译器支持 Python 转 TFHE 电路。
• 适合：需要比较/分支、ML 激活函数。

5. Lattigo

• Go 语言 HE 库，CKKS/BFV。
• 适合：Go 生态、区块链。

选 HE 工具：

• 入门/通用 → SEAL
• 多方案/研究 → OpenFHE
• TFHE/比较 → Concrete
• Go → Lattigo

二、MPC 工具

1. MP-SPDZ

• 多协议 MPC 框架，支持半诚实/恶意、多种秘密共享、混淆电路。
• C++/Python，研究/工业用。
• 适合：研究、多协议对比、生产。

2. CrypTen

• Meta 开源，PyTorch 风格，ML 友好。
• Python，支持多方秘密共享。
• 适合：隐私 ML、PyTorch 用户。

3. TF-Encrypted

• TensorFlow 隐私 ML，MPC+HE。
• 适合：TF 用户、隐私 ML。

4. Concrete-ML

• Zama，结合 HE（TFHE）和 MPC，Python。
• 适合：隐私 ML，HE+MPC 混合。

5. Sharemind

• 商用 MPC 平台，有开源版。
• 适合：生产部署、企业。

6. Privy/ABY

• ABY：混淆电路+算术+布尔混合。
• Privy：多方隐私计算。
• 适合：研究、混合协议。

选 MPC 工具：

• 多协议/研究 → MP-SPDZ
• PyTorch ML → CrypTen
• TF ML → TF-Encrypted
• HE+MPC → Concrete-ML
• 生产 → Sharemind

三、ZKP 工具

1. Circom + SnarkJS

• Circom：写电路 DSL，配 SnarkJS 验证。
• 支持 Groth16/PLONK，Web 生态。
• 适合：入门 ZKP、区块链、Web。

2. Noir

• Aztec，高级语言，隐私智能合约。
• 适合：隐私区块链、Aztec 生态。

3. Leo

• Aleo，隐私区块链编程语言。
• 适合：Aleo 生态。

4. Cairo

• StarkWare，STARK 友好，图灵完备。
• 适合：STARK、StarkNet。

5. Halo2

• Zcash 开源，PLONK 变体，无信任设置（递归）。
• 适合：区块链、递归证明。

6. gnark

• Go ZKP，支持 Groth16/PLONK。
• 适合：Go 生态。

7. zkSync/ZkEVM

• 以太坊 zk-Rollup，EVM 兼容 ZKP。
• 适合：以太坊扩容。

选 ZKP 工具：

• 入门/Web → Circom+SnarkJS
• 隐私合约 → Noir
• STARK → Cairo
• 递归 → Halo2
• 以太坊扩容 → zkSync

四、DP 工具

1. Google DP 库

• C++/Java/Go，生产级，Google 内部用。
• 适合：生产、Google 生态。

2. OpenDP

• 哈佛开源，Python/R，研究友好。
• 适合：研究、数据分析。

3. PipelineDP

• Google 开源，分布式 DP（Beam/Spark）。
• 适合：大数据、分布式。

4. TF-Privacy

• TensorFlow DP-SGD，机器学习。
• 适合：TF 隐私 ML。

5. Opacus

• PyTorch DP-SGD，Meta 开源。
• 适合：PyTorch 隐私 ML。

6. IBM DP Library

• 企业级 DP，Python。
• 适合：企业。

选 DP 工具：

• 生产/Google → Google DP
• 研究/分析 → OpenDP
• 大数据 → PipelineDP
• TF ML → TF-Privacy
• PyTorch ML → Opacus

五、FL 工具

1. TensorFlow Federated（TFF）

• Google 开源，TF 生态，FL 完整栈（含安全聚合）。
• 适合：TF 用户、Google 生态。

2. PySyft

• OpenMined 开源，PyTorch，FL+MPC+HE。
• 适合：研究、PyTorch、多 PETs。

3. FATE

• 微众银行开源，纵向联邦强，企业级。
• 适合：企业、纵向联邦、金融。

4. Flower

• 轻量，移动端/边缘友好，框架无关。
• 适合：移动端、IoT、轻量部署。

5. NVIDIA FLARE

• 企业级，医疗/金融。
• 适合：企业、医疗。

6. FedML

• 移动端/边缘，跨平台。
• 适合：移动端、边缘 AI。

选 FL 工具：

• TF 生态 → TFF
• PyTorch/多 PETs → PySyft
• 纵向/企业 → FATE
• 移动端/轻量 → Flower
• 企业/医疗 → FLARE

六、TEE 工具

1. Gramine

• Linux 基金会，SGX 友好，跑 Linux 应用。
• 适合：SGX、Linux 应用。

2. Occlum

• SGX LibOS，跑 Linux 应用。
• 适合：SGX、传统应用。

3. OpenEnclave

• 微软开源，跨 TEE（SGX/TrustZone）。
• 适合：跨 TEE、企业。

4. Asylo

• Google 开源，TEE 抽象层。
• 适合：跨 TEE。

5. AWS Nitro Enclave SDK

• AWS 云 TEE。
• 适合：AWS 云。

6. Azure Confidential

• 微软云 TEE（SGX/SEV）。
• 适合：Azure 云。

选 TEE 工具：

• SGX Linux → Gramine/Occlum
• 跨 TEE → OpenEnclave/Asylo
• AWS → Nitro
• Azure → Confidential

七、组合/平台工具

1. Concrete-ML：Zama，HE+MPC，隐私 ML。
2. CrypTen：MPC+HE，隐私 ML。
3. TF-Encrypted：MPC+HE+TF。
4. PySyft：FL+MPC+HE，多 PETs。
5. FATE：FL+MPC+HE，企业。
6. Sharemind：MPC 商用平台。
7. Privy：多方隐私计算。

八、工具选型的建议

1. 从需求出发：先定场景（HE/MPC/ZKP/DP/FL/TEE），再选工具。
2. 生态匹配：选和你技术栈匹配的（PyTorch→Opacus/CrypTen，TF→TFF/TF-Privacy）。
3. 成熟度：生产用成熟工具（SEAL/MP-SPDZ/Opacus），研究可用前沿。
4. 社区：社区活跃的工具更新快、问题少。
5. 文档：文档好的工具学习成本低（SEAL/Opacus/FATE）。
6. 性能：性能敏感场景看基准（OpenFHE/Concrete 有基准）。
7. 组合：多 PETs 用组合工具（PySyft/Concrete-ML/FATE）。

⚠️ 常见误读：以为"用最先进的工具最好"。先进工具可能不成熟、文档少、社区小。生产用成熟工具，研究用前沿，按需求选。

💡 关键直觉：PETs 工具——HE（SEAL 最流行，OpenFHE 全方案，Concrete TFHE）、MPC（MP-SPDZ 多协议，CrypTen PyTorch ML）、ZKP（Circom+SnarkJS 入门，Noir/Cairo/Halo2 区块链）、DP（Google DP 生产，OpenDP 研究，Opacus PyTorch）、FL（TFF/PySyft/FATE/Flower）、TEE（Gramine/Occlum SGX）。选型从需求出发，生态匹配，成熟度优先，组合用 Concrete-ML/PySyft/FATE。

核心回顾

• HE 工具：SEAL（最流行，BFV/CKKS）、OpenFHE（全方案）、HElib（IBM）、Concrete（TFHE，Zama）、Lattigo（Go）。
• MPC 工具：MP-SPDZ（多协议）、CrypTen（PyTorch ML）、TF-Encrypted（TF）、Concrete-ML（HE+MPC）、Sharemind（商用）、ABY（混合）。
• ZKP 工具：Circom+SnarkJS（入门/Web）、Noir（Aztec）、Leo（Aleo）、Cairo（STARK）、Halo2（递归）、gnark（Go）、zkSync（扩容）。
• DP 工具：Google DP（生产）、OpenDP（研究）、PipelineDP（分布式）、TF-Privacy（TF ML）、Opacus（PyTorch ML）、IBM DP。
• FL 工具：TFF（TF 生态）、PySyft（多 PETs）、FATE（纵向/企业）、Flower（移动端/轻量）、FLARE（企业/医疗）、FedML（边缘）。
• TEE 工具：Gramine/Occlum（SGX Linux）、OpenEnclave/Asylo（跨 TEE）、AWS Nitro、Azure Confidential。
• 组合/平台：Concrete-ML（HE+MPC）、CrypTen（MPC+HE）、PySyft（FL+MPC+HE）、FATE（FL+MPC+HE）、Sharemind。
• 选型建议：从需求出发、生态匹配、成熟度优先、社区活跃、文档好、性能基准、组合用组合工具。

开源工具生态