SPU (Secure Processing Unit)#
SPU(Secure Processing Unit)是一个特定领域的编译器和运行时组合。利用SPU，你可以：
在不了解MPC知识的情况下创建隐私保护应用。
利用你最喜欢的机器学习框架和API编程。
不需要调整代码的情况下也可以在不同安全假设下部署应用。
介绍#
SPU，就像其他处理器（processing unit）一样接受代码和输入数据，并且得到输出数据。但是和其他处理器不同的是，SPU可以保护用户的隐私。
尽管SPU和CPU不能直接比较，但是从编程者的视角来说，我们可以做一个类比。
CPU#
|
SPU#
|
SPU包含两个主要模块。SPU编译器将Python编码转化为蕴含隐私保护语义的二进制文件。SPU runtime执行这些二进制文件并得到结果，我们将在接下来分别介绍。
模块#
编译器#
就像其他编译器一样，SPU编译器将一种编程语言的代码翻译成另一种语言的代码。
SPU编译器在设计时考虑到：
复用机器学习前端框架，减少用户学习成本。
复用机器学习编译器功能，减少重复的工作。
为MPC后端优化，产生适合MPC协议的二进制代码。
为了实现第一个目标，我们选择 XLA 作为SPU编译器的源语言，因为很多AI框架可以将Python代码翻译成XLA IR。利用XLA，我们可以原生支持这些AI框架。
为了实现第二个目标，我们选择 MLIR 作为编译器基建。这样我们就可以复用很多与平台无关的优化和lowering pass。
为了实现第三个目标，我们在类型系统中添加了安全相关的类型提示，这些类型提示有助于实现高效率的二进制代码。
详情请查看 SPU type system 和 SPU Compiler design.
运行时#
SPU运行时是一个用多个不相互信任的物理节点组成的虚拟设备。
在SPU中，多个物理设备同时执行一个MPC协议，在完成特定计算任务的同时保护数据隐私。
从外面看，多个物理设备形成了一个虚拟设备并且提供了通用计算服务。
模型示意图如下。
SPU内部#
作为一个虚拟机，SPU运行时是一个多层的结果，将SPU二进制程序逐层分解只最底层的密码学原语，并且提供了并行和调度能力。
SPU运行时结构#
详情请访问 SPU 文档 。
总结#
前面我们介绍SPU的不同模块，接下来，我们了解一下SPU操作的总体流程。
SPU操作总结#
用户利用TensorFLow，PyTorch或JAX编程。
利用SPU编译器，源码被翻译成能被SPU运行时理解的SPU IR。
利用SPU IO，数据提供方将数据加密为SPU运行时可以理解的格式。
SPU运行时根据MPC协议执行IR，并产生（加密的）输出。
利用SPU IO，数据接收方解密加密之后的输出以得到最终结果。
附录#
MPC (Secure multi-party computation)#
如果你不熟悉MPC，请参阅 Resources for Getting Started with MPC 和一些著名的 MPC 框架和协议。
SPU实现了多种MPC协议，包括：
ABY3:一个多数诚实的3PC协议。SPU实现了半诚实模型。
Semi2k-SPDZ :一个半诚实NPC协议。和SPDZ协议类似，但是需要一个可信第三方来产生离线的随机数。目前，在协议中默认使用可信第一方。因此，目前主要用于调试。
Cheetah :一个快速半诚实的2pc模型。因为协议不需要可信第三方，因此会需要一些计算开销。
详情请参阅 SPU MPC development status。
SPU API设计#
SPU的API十分简单，主要有三个主要模块，对应之前的模块描述。
SPU Io 是一个在密码和秘密分享之间转化的库。
SPU compiler,是一个将XLA转化为SPU IR的工具。
SPU Runtime, 是一个读入SPU IR并执行MPC计算的库。
SecretFlow中的SPU#
在SecretFlow中，SPU设备包装了上述所有SPU的概念，并提供了更简单的编程接口。
数据所有者是SecretFlow中的PYU设备，明文并成为PYU Objects。
一个PYU object（明文）可以被转化为秘密分享，被叫做SPU Object。
Python函数可以被发送至SPU设备执行，背后是SPU编译器和运行时。
最后，一个SPU Object可以被转化为PYU Object，并被一个PYU设备拥有。