Fidelius开发教程

来自典枢
Tsy（讨论 | 贡献）2022年4月27日 (三) 03:34的版本 （→‎运行算法示例）
跳到导航 跳到搜索

介绍

简介

Fidelius 提供了自定义算法的能力。此处的算法用于分析数据，并将分析结果交付给用户。

Fidelius 的算法实现基于 C/C++1。一个算法是指一个运行在可信执行环境（TEE）中的代码，由于目前主要的支持硬件为 Intel SGX，因此编程方式符合 Intel SGX 的编程规范。

本文介绍的算法开发基于 Fidelius 的最新版本，请检查自己的版本。

Hello World

需要 git clone example，然后软链接到 example 目录下，需要解释编译的步骤，release 版本签名的步骤，执行的步骤需要解释各个文件的作用和意义 下面来看一个完整的 hello world 程序。

#include ”corecommon/ crypto / stdeth . h”

#include ” stbox / tsgx / log . h”

#include ”ypc_t/ a n a l y z e r / algo_wrapper . h”

#include ”ypc_t/ a n a l y z e r /macro . h”

class hello_world {

public :

inline stbox : : bytes do_parse ( const stbox : : bytes &param ) {
LOG(INFO) << ” h e l l o ␣ world ” ;
return param ;

}

};

ypc : : algo_wrapper<ypc : : crypto : : eth_sgx_crypto ,

ypc : : noinput_data_stream ,
hello_world , ypc : : l o c a l _ r e s u l t >

pw ;

YPC_PARSER_IMPL(pw ) ;

algo_wrapper

template<typename Crypto , typename DataSession , typename ParserT ,

typename Result , typename ModelT = void ,

template <typename> class DataAllowancePolicy = ignore_data_allowance ,

template <typename> class ModelAllowancePolicy = ignore_model_allowance>

class algo_warpper ;

代码来源core/include/ypc_t/analyzer/algo_wrapper.h
  • Crypto：密码协议簇，目前支持 ypc::crypto::eth_sgx_crypto，兼容以太坊。
  • DataSession：数据源方式，支持 noinput_data_stream, raw_data_stream,
  • sealed_data_stream, multi_data_stream。
  • ParserT：表示自定义的算法类。
  • Result：表示结果的类型，支持 local_result, onchain_result, offchain_result,forward_result。
  • ModelT：表示模型的类型，是 ff::util::ntobject<...>。
  • DataAllowancePolicy，表示数据源的许可验证策略，支持 ignore_data_allowance,check_data_allowance。
  • ModelAllowancePolicy，表示模型的许可验证策略，支持 ignore_model_allowance,check_model_allowance。

通过对上述参数的选择和组合，可以支持不同的场景。

HPDA

算法的主体通常使用 HPDA（High Performance Data Analysis）完成。HPDA 算法由输入（input）、处理单元（processor）、输出（output）三种不同的功能单元 组成，其中输入、处理有一个或多个，输出仅有一个。

一个 HPDA 算法可以表示一个如下的有向图，其中节点表示功能单元，即输入、处理单元或输出，边表示数据。自然地，输入只有出边，输出只有入边， 处理单元有一个或多个入边，且有一个或多个出边。

算法的执行过程一般分为连个阶段：1）构造 HPDA 的图；2）运行算法。算法一旦开始运行，则会开始读取输入、产生输出，直到所有的输入读取完成。

Iris 为例

class enclave_iris_means_parser {

public :

enclave_iris_means_parser ( ypc : : data_source ∗ source )
: m_source ( source ){};
inline stbox : : bytes do_parse ( const stbox : : bytes &param ) {
ypc : : to_type<extra_nt_t> c o n v e r t e r ( m_source ) ;
transform_format t r a n s (& c o n v e r t e r ) ;
typedef hpda : : algorithm : : kmeans : : kmeans_processor<
hpda : : ntobject <i r i s _ d a t a , s p e c i e s > ,
i r i s _ d a t a , double , i i d >
kmeans_t ;
kmeans_t km(&trans , 3 , 0 . 0 0 1 ) ;
hpda : : output : : memory_output <i i d , kmeans_t : : mean_point ,kmeans_t : : average_distance >
mo(km. means_stream ( ) ) ;
mo. get_engine()−>run ( ) ;
. . .

}

protected :

ypc : : data_source ∗m_source ;

};

Y

该算法可以表示为如下的图

Iris例图1.png

图中的边—数据类型

在 HPDA 所表示的有向图中，一条边可以表示为 (A, B)，我们称 A 是 B 的输入源，A 的输出数据类型和 B 的输入数据类型必须一致，否则会产生编译错误。我们将 A 的输出数据类型（或 B 的输入数据类型）称为边 (A, B) 上的数据类型。

边的数据类型为

template<typename . . . ARGS>

f f : : u t i l : : n t o b j e c t ;

600PX


data_source

data_source 是一个表示输入的虚基类，其输出为 bytes 类型。一般后面会跟一个 converter，用于将 bytes 转换为自定义的结构。

处理单元（processor）

处理单元用于完成对数据的转换、处理等。目前系统已有的处理单元包括：

  • filter 用于过滤，仅输出满足条件的数据。
  • concat 用于连接不同的数据，在一个输入源结束后，输出另一个输入源。
  • group 用于在指定的域相同的数据上完成相应的操作，这些操作包括取平均 (avg)，求最大 (max)，求最小（min），求和（sum），求数量（count）。
  • split 用于将一个输入复制为多个输出。
  • kmeans_processor 用于在指定的数据上完成 kmeans 聚类算法。

memory_output

memory_output 是一个将结果存放在内存的输出单元。可以使用如下方式遍历

所有的输出

for ( auto i t : mo. v a l u e s ( ) ) {

. . .

}

自定义处理单元

通常，系统内置的处理单元并不能满足特定的数据处理需求，因此，需要自定义处理单元。此时需要继承 hpda 中的处理单元基类，如下：

typedef f f : : u t i l : : ntobject <sepal_len , sepal_wid ,

petal_len , petal_wid , s p e c i e s > extra_nt_t ;

class transform_format

: public hpda : : p r o c e s s o r : : processor_base_t<
extra_nt_t , user_item_t> {

public :

transform_format (
: : hpda : : processor_with_output_t<extra_nt_t> ∗ t )
: hpda : : p r o c e s s o r : : processor_base_t<
extra_nt_t , user_item_t >(t )
{}
v i r t u a l bool process () {
i f ( ! has_input_value ( ) ) { return f a l s e ;}
auto t = base : : input_value ( ) ;
. . .
m_data . set <s p e c i e s > (t . get <s p e c i e s > ());
base : : consume_input_value ( ) ;
return true ; }
v i r t u a l user_item_t output_value () { return m_data ; }

protected :

user_item_t m_data ;

};

高级

直接访问上下文

上下文是指算法在执行过程中的信息，包括该算法的 hash，与 keymgr 的会话等。可以在算法类中添加如下方法以获得上下文的指针

void set_context ( ypc : : analyzer_context ∗ context ){

m_context = context ;

}

algo_wrapper 会自动检测到该方法的存在，并编译生成相应的代码。

自定义输入数据格式

Fidelius 内置了对于 CSV，mysql 的支持，可以通过定义一个简单的 JSON 描述文件完成文件的加密、读取。然而，对于自定义的文件格式，开发者需要额外的开发工作。

首先，该数据必须可以描述为一个 bytes 的数组，这在大多数场景下是适用的。例如，视频可以描述为一个数组，数组的每一个元素为一帧图像；一个图片可以表示为一个数组，数组的每一个元素为图片中的一个像素点。Fidelius 的算法每次读如数组中的一个或多个元素。受限于 Intel SGX 的内存限制，一个元素的大小通常不超过 128KB。

其次，对于自定义的数据格式，需要实现如下的方法，并编译为.so 的插件库。

void ∗ create_item_reader ( const char ∗ extra_param , i n t l e n ) ;

int reset_for_read ( void ∗ handle ) ;

int read_item_data ( void ∗ handle , char ∗ buf , i n t ∗ l e n ) ;

int close_item_reader ( void ∗ handle ) ;

uint64_t get_item_number ( ) ;

如何基于Fidelius开发算法

下载 Fidelius 源码

$ git clone https://github.com/YeeZTech/YeeZ-Privacy-Computing.git

$ git submodule update --init

下载算法样例代码

$ cd YeeZ-Privacy-Computing/example/

$ git clone -b master https://github.com/YeeZTech/YPC-algo-example.git

编译 Fidelius 以及算法样例代码

$ cd YeeZ-Privacy-Computing && mkdir build

$ cmake -DSGX_MODE=Debug -DSGX_HW=OFF ../

注意： 开发者可以根据需求修改编译选项，例如 Release 版本的编译选项应修改为SGX_MODE=Release与SGX_HW=ON。

Debug 模式下会自动对一些 Enclave 进行签名。

但是，在 Release 编译选项下还需要手动地对一些 Enclave 签名，这些 Enclave 包括密钥管理的 Enclave libkeymgr.so 和算法样例的 Enclave libhello.so。

手动签名操作需要依赖 openssl 工具，需事先安装 openssl ，签名步骤如下：

$ make -j8

生成 RSA-3072 的私钥和公钥（仅 Release 模式下需要）

$ cd YeeZ-Privacy-Computing/lib

$ openssl genrsa -out private_key.pem -3 3072

$ openssl rsa -in private_key.pem -pubout -out public_key.pem

生成的私钥文件为private_key.pem，公钥文件为public_key.pem，私钥文件用于对 Enclave 签名，公钥文件会 append 到 签名后的 Enclave 中。

签名两个 Enclave（仅 Release 模式下需要）

$ openssl dgst -sha256 -out keymgr_sig.hex -sign private_key.pem -keyform PEM keymgr_hash.hex

$ openssl dgst -sha256 -out hello_sig.hex -sign private_key.pem -keyform PEM hello_hash.hex

文件keymgr_sig.hex与hello_sig.hex为私钥签名后的文件。

生成签名后的 Enclave（仅 Release 模式下需要）

$ /opt/intel/sgxsdk/bin/x64/sgx_sign catsig -enclave libkeymgr.so -config ../keymgr/default/enclave/ekeymgr.config.xml -out keymgr.signed.so -key public_key.pem -sig keymgr_sig.hex -unsigned keymgr_hash.hex

$ /opt/intel/sgxsdk/bin/x64/sgx_sign catsig -enclave libhello.so -config ../example/YPC-algo-example/hello/enclave/enclave.config.xml -out hello.signed.so -key public_key.pem -sig hello_sig.hex -unsigned hello_hash.hex

签名后的 Enclave 实际上包括：算法原始文件、Enclave 配置文件、RSA-3072公钥、签名文件、算法哈希文件。

运行算法示例

  1. 生成数据提供方的典密钥对

$ cd YeeZ-Privacy-Computing/bin

$ ./keymgr_tool --create

注意： 密钥对生成在$HOME/.yeez.key/路径下。

典密钥对包含public_key和private_key两个字段，分别表示公钥和私玥。

  1. 生成数据使用方的枢密钥对

$ ./yterminus --gen-key --no-password --output hello.key.json

枢密钥对包含public-key和private-key两个字段，分别表示公钥和私玥。

  1. 获取算法样例的算法哈希

$ ./ydump --enclave ../lib/hello.signed.so --output info.json

算法哈希文件中的enclave-hash表示算法哈希。

  1. 加密枢私钥并使用典私钥签名相关信息

$ ./yterminus --forward --use-privatekey-file hello.key.json --tee-pubkey $TEE_PUBLIC_KEY --use-enclave-hash $ENCLAVE_HASH --output hello.request.shukey.foward.json

其中，$TEE_PUBLIC_KEY为步骤 4.1 生成的典公钥，$ENCLAVE_HASH为步骤 4.3 生成的算法哈希。

  1. 加密算法的参数

$ ./yterminus --request --use-param hello --param-format text --use-publickey-file hello.key.json --output hello_param.json

  1. 生成算法执行的输入

$ python3 ../example/YPC-algo-example/generator/gen_input_params.py --dian-pkey $TEE_PUBLIC_KEY

其中，$TEE_PUBLIC_KEY为步骤 4.1 生成的典公钥。

  1. 执行样例算法

$ GLOG_logtostderr=1 ./fid_analyzer --input input_param.json --output result.json

文件result.json为算法运行的结果。

Q&A

取自“https://doc-dianshu.yeez.tech/index.php?title=Fidelius开发教程&oldid=391”