跳到主要内容

创建任务

创建不同类型的任务

cli参数说明：

--input_datasets (input datasets name list); default: TrainData,TestData;
--job_id (job id); default: "100";
--params (task params, format is <name, type, is array, value>);
  default: BatchSize:INT32:0:128,NumIters:INT32:0:100,TrainData:STRING:0:train_party_0;train_party_1;train_party_2,TestData:STRING:0:test_party_0;test_party_1;test_party_2;
--server (server address); default: "127.0.0.1:50050";
--task_code (task code); default: "logistic_regression";
--task_id (task id); default: "200";
--task_lang (task language, proto or python); default: "proto";
--task_type (task type, 0-ACTOR_TASK, 1-PSI_TASK 2-PIR_TASK); default: 0;

创建MPC任务​

创建MPC任务需要使用以下参数组合--task_lang=proto --task_type==ACTOR_TASK, 并通过task_code参数指定要运行MPC算法。 params参数指定了算法执行输入的参数, input_datasets参数指定了params参数中哪些参数是输入的数据集。

举例：启动一个MPC的逻辑回归任务：

primihub-cli --task_lang=cpp --task_type==ACTOR_TASK --task_code=="logistic_regression" --params="BatchSize:INT32:0:128,NumIters:INT32:0:100,TrainData:STRING:0:train_party_0;train_party_1;train_party_2,TestData:STRING:0:test_party_0;test_party_1;test_party_2"

上面的例子中，算法支持的参数名称在params中定义，input_datasets需要定义params中TrainData TestData是使用的数据集, 这两个参数中各有3个数据集参与本次计算任务。

支持的算法类型有

task code参数
logistic_regressionBatchSize: 数据大小 NumIters：迭代次数 TrainData: 训练数据集TestData: 测试数据集

创建联邦学习(Fedrate learning)任务​

创建联邦学习任务需要使用以下参数组合 --task_lang=python --task_type==ACTOR_TASK, 并通过task_code参数指定要运行的联邦学习python代码。

举例：启动一个联邦学习xgboost任务：

$ primihub-cli --task_lang=python --task_type==ACTOR_TASK --task_code=="./python/primihub/examples/disxgb.py"

在python文件中，算法开发者可以使用primihub python api指定：

  • 使用的数据集
  • 算法使用的安全协议

关键的api如下：

import primihub as ph

ph.dataset.define("guest_dataset")
ph.dataset.define("label_dataset")

@ph.function(role='host', protocol='xgboost', datasets=["label_dataset"])
def xgb_host_logic():
  print("start xgb host logic...")
  ...

@ph.function(role='guest', protocol='xgboost', datasets=["guest_dataset"])
def xgb_guest_logic():
  print("start xgx guest logic...")
  ...

创建隐私求交（PSI）任务​

创建隐私求交（PSI）任务需要使用以下参数组合 --task_type==PSI_TASK, 并通过params参数指定要求交的客户端数据集和服务端数据集, input_datasets参数指定params参数中的哪些是数据集。

primihub-cli --task_type==PSI_TASK  
--params=="ClientData:STRING:0:client_dataset;ServerData:STRING:0:server_dataset" --input_datasets="ClientData,ServerData"
TODO

PSI任务支持的其他参数

创建隐私查询（PIR）任务​

创建隐私查询（PIR）任务需要使用以下参数组合 --task_type==PIR_TASK, 并通过params参数指定要查询index和服务端数据集, input_datasets参数指定params参数中的哪些是数据集。

primihub-cli --task_type==PSI_TASK  
--params=="QueryIndeies:STRING:0:0,1,2,3;ServerData:STRING:0:server_dataset" --input_datasets="ServerData"
TODO

PIR任务支持的其他参数