目录

1. 关于项目
   • 使用的技术
2. 开始使用
   • BlindAI API
   • BlindAI Core
3. 使用方法
4. 获取帮助
5. 许可证
6. 联系我们

🔒 关于项目

BlindAI 是一个开源解决方案，用于查询和部署AI模型，同时保障数据隐私。模型的查询通过我们易于使用的Python库完成。

用户发送到AI模型的数据始终由硬件强制执行的可信执行环境保护，全程保密。我们在此详细说明它们如何确保数据和模型的安全：这里。

BlindAI主要有两种应用场景：

• BlindAI API：使用BlindAI查询Mithril Security托管的流行AI模型。
• BlindAI Core：利用BlindAI的核心技术，搭建您自己的BlindAI服务器实例，以安全地部署您自己的模型。

您可以在这里了解更多关于BlindAI API和BlindAI Core的信息：这里。

使用的技术

(回到顶部)

🚀 开始使用

我们强烈建议您从我们的快速入门指南开始，使用开源模型Whisper来了解BlindAI。

不过，以下是一些使用BlindAI的示例樱桃🍒

BlindAI API

transcript = blindai.api.Audio.transcribe(
    file="patient_104678.wav"
)
print(transcript)

患者为55岁男性，患有已知冠状动脉疾病。

BlindAI.Core

AI公司端：上传和删除模型

一家AI公司希望将其模型作为易于使用的服务提供。他们将模型上传到服务器，服务器会为其分配一个模型ID。

response = client_1.upload_model(model="./COVID-Net-CXR-2.onnx")
MODEL_ID = response.model_id
print(MODEL_ID)

8afcdab8-209e-4b93-9403-f3ea2dc0c3ae

当与客户的合作结束后，该AI公司可以从服务器上删除其模型。

# AI公司使用后删除模型
client_1.delete_model(MODEL_ID)

客户端：对机密数据运行模型

客户希望将自己的机密数据输入模型，同时防止第三方访问。他们连接并在这张机密图像上运行模型。

pos_ret = client_2.run_model(MODEL_ID, positive)
print("阳性图像感染新冠的概率是", pos_ret.output[0].as_flat()[0][1])

阳性图像感染新冠的概率是0.890598714351654

更多示例，请参阅文档

(回到顶部)

🙋 获取帮助

• 访问我们的Discord #support 频道
• 通过在BlindAI GitHub上提交问题报告Bug
• 预约会议与我们沟通

📜 许可证

本项目采用Apache许可证第2.0版进行分发。更多信息请参阅LICENSE.md。

📇 联系方式

Mithril Security - @MithrilSecurity - contact@mithrilsecurity.io

项目链接：https://github.com/mithril-security/blindai

(返回顶部)

BlindAI 快速上手指南

⚠️ 重要提示：BlindAI 目前不再积极维护。请勿将其用于处理敏感数据的生产环境。如果您有涉及机密数据的具体需求，建议直接联系官方团队探讨支持方案。

BlindAI 是一个开源的 AI 隐私保护解决方案，利用硬件强制的可信执行环境 (TEE)（如 Intel SGX），确保用户数据在查询 AI 模型或部署自有模型时全程保持机密。

1. 环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：推荐 Linux 环境（需支持 Intel SGX 技术以运行本地核心服务，若仅使用云端 API 则无此强依赖）。
• 编程语言：Python 3.8 或更高版本。
• 前置依赖：
  • pip (Python 包管理工具)
  • 若部署本地服务 (blindai-core)，需安装 Intel SGX 驱动及运行时库。
• 网络环境：需能访问 Mithril Security 服务器（国内用户如遇连接问题，请检查网络代理配置，目前暂无官方中国镜像源）。

2. 安装步骤

使用 pip 安装 BlindAI Python 客户端库：

pip install blindai

注意：由于项目维护状态，若遇安装失败，建议检查 Python 版本兼容性或参考官方文档的历史版本说明。

3. 基本使用

BlindAI 提供两种主要使用模式：BlindAI API（调用托管模型）和 BlindAI Core（自建服务部署模型）。

模式一：使用 BlindAI API (调用托管模型)

适用于直接调用由 Mithril Security 托管的流行 AI 模型，无需自行部署基础设施。

示例：使用 Whisper 模型进行语音转文字

import blindai

# 调用 API 进行音频转录
transcript = blindai.api.Audio.transcribe(
    file="patient_104678.wav"
)

print(transcript)
# 输出示例：The patient is a 55-year old male with known coronary artery disease.

模式二：使用 BlindAI Core (自建服务)

适用于企业希望安全地部署自有模型，并在保护客户数据隐私的前提下提供服务。此模式分为“模型提供方”和“客户端”两个角色。

A. 模型提供方：上传与管理模型

# 初始化客户端 (需配置服务端地址和认证信息)
client_1 = blindai.Client(...)

# 上传模型文件 (例如 ONNX 格式)
response = client_1.upload_model(model="./COVID-Net-CXR-2.onnx")
MODEL_ID = response.model_id

print(MODEL_ID)
# 输出示例：8afcdab8-209e-4b93-9403-f3ea2dc0c3ae

# 合作结束后，可删除模型
client_1.delete_model(MODEL_ID)

B. 客户端：在机密数据上运行模型

客户端连接服务，发送加密/受保护的数据进行推理，服务端无法查看原始数据。

# 初始化客户端
client_2 = blindai.Client(...)

# 加载待推理的机密数据 (例如图片)
positive = load_image("positive_image.png") 

# 运行模型推理
pos_ret = client_2.run_model(MODEL_ID, positive)

# 获取结果
probability = pos_ret.output[0].as_flat()[0][1]
print(f"Probability of Covid for positive image is {probability}")
# 输出示例：Probability of Covid for positive image is 0.890598714351654

---

更多详细示例和高级配置，请参考 官方文档。