Concrete v2.6 版本发布，引入了近似可编程引导启动（PBS）、输入压缩、增强的函数组合以及更快的模拟，以及 ternary-if, Relu, 和 Sign 函数。近似 PBS 通过不精确的舍入加速 TLU 运算；输入压缩通过种子加密进一步优化带宽和磁盘空间；增强的函数组合通过模块实现更灵活的加密数据处理。此外，仿真速度也得到了显著提升。
Concrete v2.6 引入了近似可编程自举 (programmable bootstrapping, PBS)、输入压缩、增强的函数组合以及更快的模拟、三元 if、Relu 和 Sign 函数。这些改进通过增强 Concrete 的性能、效率和功能，为用户带来显著价值。
近似 PBS
在 Concrete Python 中，非线性操作被转换为查找表 (table-lookup, TLU)，然后在 TFHE 框架中使用 PBS 执行。
PBS 是 TFHE 中最昂贵的操作。PBS 的计算复杂度取决于密码参数的大小，而这些参数的大小随着要自举的加密消息的位数而增长。随着消息大小的增加，自举的计算成本呈指数级增长。为了减轻这种影响，round 和 truncate 运算符在之前的版本中被引入。在自举之前应用这些运算符可以通过忽略消息的最低有效位 (least significant bits, LSB) 中的信息来减少消息的位宽，从而大大提高 TLU 的速度。
Concrete v2.6 引入了一种更激进的舍入模式，可以使 TLU 的速度提高 2 到 3 倍，但代价是不精确的舍入。此功能可以大大提高对不精确舍入具有容忍度的应用程序的性能。例如，它在 Concrete ML 中对于深度学习任务非常有益。
有关更多详细信息，请查看我们关于近似舍入的文档。
输入压缩
之前的 Concrete v2.5 引入了压缩，它将评估密钥的大小减少了 4 倍。在此版本中，Concrete v2.6 通过新的输入密文压缩增强了压缩功能，以进一步优化带宽和磁盘空间利用率。输入密文压缩在底层使用种子密文。虽然压缩因子取决于各种因素，但压缩后的输入密文通常比未压缩的版本小数百到数千倍。
启用输入密文压缩只需设置选项即可，如下面的代码示例所示：
from concrete import fhe
@fhe.compiler({"x": "encrypted"})
def f(x):
return x // 2
circuit = f.compile(fhe.inputset(fhe.tensor[fhe.uint8, 1000]),
compress_input_ciphertexts=True)
扩展的函数可组合性
在 Concrete v2.5 中，自组合函数 允许你使用函数的加密输出作为其输入之一。这非常酷，但存在局限性。在此版本中，我们在函数可组合性方面更进一步，并引入了函数集组合的 beta 版本，称为 模块 - 你可以在你的 FHE 模块中定义一组函数，并按照你想要的任何顺序调用它们。
此功能通过使开发人员能够在纯 Python 中编写任何非加密控制流，并让不同的参与方处理加密数据，从而扩展了 Concrete 的更多可能性。
from concrete import fhe
@fhe.module()
class MyModule:
@fhe.function({"x": "encrypted"})
def inc(x):
return x + 1 % 20
@fhe.function({"x": "encrypted"})
def dec(x):
return x - 1 % 20
inputset = list(range(20))
my_module = MyModule.compile(
{"inc": inputset, "dec": inputset},
)
x = 5
x_enc = my_module.inc.encrypt(x)
x_inc_enc = my_module.inc.run(x_enc)
x_inc = my_module.inc.decrypt(x_inc_enc)
assert x_inc == 6
x_inc_dec_enc = my_module.dec.run(x_inc_enc)
x_inc_dec = my_module.dec.decrypt(x_inc_dec_enc)
assert x_inc_dec == 5
for _ in range(10):
x_enc = my_module.inc.run(x_enc)
x_dec = my_module.inc.decrypt(x_enc)
assert x_dec == 15
⚠️ 请注意，此功能目前处于 beta 阶段。密码参数的优化受到一定的限制，可能会导致编译失败或执行时间变慢。此外，可能存在 API 崩溃的可能性。
对于下一个版本，该团队将致力于改进优化、更精细的函数关系规范以及稳定的 API。非常欢迎你的反馈和建议，它们将帮助我们塑造 Concrete 的未来。点击此处参与我们的开发者调查。
更快的模拟
借助模拟，开发人员可以在开发阶段快速微调他们的函数或模型，而无需 FHE 的计算限制。例如，Concrete 模拟在 Concrete ML 中被大量使用。在 Concrete v2.6 中，Zama 团队已将模拟速度提高了高达 100 倍。无需从用户端更改 API 或用法，你已经可以利用更快的模拟，而无需在代码中进行任何更改。如果你还没有使用过模拟，现在是时候查看文档并尝试一下了。
更快的运算符
最后，我们显著提高了这些函数的速度
- If-then-else 操作: 通常用于编写 y = condition ? value_if_true : value_if_false C-operator，它也可以定义为 y = value_if_false + condition * (value_if_true - value_if_false)，其中 condition 是一个布尔值。
- Relu: 我们加速了 ML Relu 激活，这是最常用的激活函数 Relu(x) = max(0, x)
- Sign: 我们加速了 Sign 函数，Sign(x) = 1 if x>=0 else -1。
此外，Concrete v2.6 还包括一些其他的细微改进，你可以在 GitHub 或 发行说明 中找到。这些改进不需要更改 API，因此我们鼓励你测试我们的最新版本，并在无需任何额外努力的情况下享受这些改进带来的好处。
附加链接
