Syft Kerasを用いたプライバシーを配慮した予測

ステップ 3: Syft Kerasを用いたプライバシーを配慮した予測 - 運用 (Client)

おめでとう！通常のKerasでモデルをトレーニングし、Syft Kerasでモデルを保護した後、プライバシーを配慮した予測を行う準備が整いました。



In [1]:

    
import numpy as np
import tensorflow as tf
from tensorflow.keras.datasets import mnist

import syft as sy

データ

ここでは、MNISTデータを前処理します。これは、トレーニング中に前処理した方法と同じです。



In [2]:

    
#画像の次元の入力
img_rows, img_cols = 28, 28

# データを学習用とテスト用に分解
(x_train, y_train), (x_test, y_test) = mnist.load_data()

x_train = x_train.reshape(x_train.shape[0], img_rows, img_cols, 1)
x_test = x_test.reshape(x_test.shape[0], img_rows, img_cols, 1)
input_shape = (img_rows, img_cols, 1)

x_train = x_train.astype('float32')
x_test = x_test.astype('float32')
x_train /= 255
x_test /= 255

モデルに接続

モデル照会の前に、モデルに接続する必要があります。そのために、クライアントを作成する必要があります。この時、まったく同じ3つのTFEWorker（ alice、bob、および carol）とクラスターを定義します。最後に「connect_to_model」を呼び出します。これにより、クライアント側にTFEキューサーバーが作成され、Part 13b. の model.serve（）で設定されたキューサーバーに接続することが可能です。キューは、予測リクエストで共有を送信する前に、プレーンテキストデータを秘密に共有します。



In [3]:

    
num_classes = 10
input_shape = (1, 28, 28, 1)
output_shape = (1, num_classes)



In [4]:

    
client = sy.TFEWorker()

alice = sy.TFEWorker(host='localhost:4000')
bob = sy.TFEWorker(host='localhost:4001')
carol = sy.TFEWorker(host='localhost:4002')
cluster = sy.TFECluster(alice, bob, carol)

client.connect_to_model(input_shape, output_shape, cluster)









    



INFO:tf_encrypted:Starting session on target 'grpc://localhost:4000' using config graph_options {
}

モデル照会

いくつかのプライバシーに配慮した予測を取得する準備ができました！ query_modelを呼び出すと、上記で作成したキューにimageを挿入し、データをローカルで秘密共有し、Part 13bでモデルサーバーに共有を送信できます。



In [5]:

    
# ユーザーの入力
num_tests = 3
images, expected_labels = x_test[:num_tests], y_test[:num_tests]



In [6]:

    
for image, expected_label in zip(images, expected_labels):

    res = client.query_model(image.reshape(1, 28, 28, 1))
    predicted_label = np.argmax(res)

    print("The image had label {} and was {} classified as {}".format(
        expected_label,
        "correctly" if expected_label == predicted_label else "wrongly",
        predicted_label))









    



The image had label 7 and was correctly classified as 7
The image had label 2 and was correctly classified as 2
The image had label 1 and was correctly classified as 1

素晴らしいですね！これら3つの画像を正しく分類することができます！しかし、これらの予測の特別な点は、このサービスを利用するための個人情報を明らかにしていないことです。モデルホストは入力データや予測を見たことはなく、モデルをダウンロードしたこともありません。暗号化されたモデルを使用して、暗号化されたデータのプライベートな予測を取得できました！

これを自身のアプリケーションに適用する前に、Part 13b に戻ってあたなの学習モデルをクリーンにしましょう.