.
Your Machine XTrace Server
┌────────────────────────┐ ┌─────────────────────────┐
│ │ │ │
│ Documents + Queries │ │ Stores only ciphertext │
│ │ │ │ │
│ ▼ │ │ Searches over │
│ Embed + Encrypt │── ciphertext ─▶│ encrypted vectors │
│ (keys stay here) │ │ (never decrypts) │
│ ▲ │ │ │
│ │ │◀─ ciphertext ──│ Returns encrypted │
│ Decrypt results │ │ results │
│ │ │ │
└────────────────────────┘ └─────────────────────────┘
Secret key never leaves Zero knowledge
XTrace шифрует всё на вашей машине до того, как что-либо коснётся сети. Ваш контент эмбеддится локально с помощью выбранной вами модели, а полученные векторы и исходный текст шифруются с помощью гомоморфного шифрования Paillier и AES-256 соответственно. Сервер только хранит и оперирует шифротекстами. Когда вы ищете, ваш запрос шифруется таким же образом. Секретный ключ никогда не покидает вашу среду, и сервер никогда не видит ни одного байта открытого текста. Проверьте шифрование
> [!TIP] 🚀 **Создайте бесплатную учётную запись наapp.xtrace.ai** чтобы получить API-ключ и ID организации. Бесплатный тариф ограничен по скорости, но полностью функционален.
# With local embedding support (Sentence Transformers)
uv pip install "xtrace-ai-sdk[embedding]"
Полная документация на docs.xtrace.ai, или соберите локально:
Самый быстрый способ перейти от нуля до результатов поиска:
xtrace init # set up credentials + encryption keys
xtrace kb create my-first-kb # create a knowledge base (note the KB ID)
xtrace xvec load ./my-docs/ # encrypt and upload documents
xtrace xvec retrieve "your query" #
from xtrace_sdk.x_vec.utils.execution_context import ExecutionContext
from xtrace_sdk.x_vec.crypto.key_provider import PassphraseKeyProvider
from xtrace_sdk.x_vec.data_loaders.loader import DataLoader
from xtrace_sdk.x_vec.inference.embedding import Embedding
from xtrace_sdk.integrations.xtrace import XTraceIntegration
from xtrace_sdk.x_vec.retrievers.retriever import Retriever
# One-time setup: generate your private cryptographic state and save it
provider = PassphraseKeyProvider("your-secret-passphrase")
homomorphic_client_type="paillier_lookup",
embed = Embedding("sentence_transformer", "mixedbread-ai/mxbai-embed-large-v1", 512)
xtrace = XTraceIntegration(org_id="your_org_id", api_key="your_api_key")
# Encrypt and store documents — content and vectors never leave in plaintext
docs = [{"chunk_content": "XTrace encrypts your embeddings.", "meta_data": {}}]
vectors = [await embed.bin_embed(d["chunk_content"]) for d in docs]
index, db = await loader.load_data_from_memory(docs, vectors)
await loader.dump_db(db, index=index, kb_id="your_kb_id")
# Query with an encrypted vector — the server never sees the query in plaintext
vec = await embed.bin_embed("How does XTrace protect my data?")
ids = await retriever.nn_search_for_ids(vec, k=3, kb_id="your_kb_id")
results = await retriever.retrieve_and_decrypt(ids, kb_id="your_kb_id")
Этот репозиторий существует, чтобы вы могли проверить шифрование самостоятельно. Тесты работают полностью офлайн и не требуют учётной записи XTrace:
`test_paillier_encryption.py` и `test_paillier_lookup_encryption.py` проверяют циклы шифрования/расшифрования и гомоморфное сложение на шифротекстах — те же примитивы, которые SDK использует при отправке данных в XTrace. Секретный ключ никогда не покидает вашу машину.
Мы приветствуем вклад. См. CONTRIBUTING.md для руководства.
The full story
This article is one source in a clustered incident — the cluster page carries the summary, timeline and every other outlet covering it.
