Российские математики совместно с коллегами из Мексики изучили историю развития и современные достижения в области гомоморфного шифрования — подхода, который считается наиболее надежным с точки зрения защиты данных от похищения. Ученые оценили возможность его применения для создания нейронных сетей с высокой конфиденциальностью данных. О своих выводах они рассказали на страницах престижного научного журнала Peer-to-Peer Networking and Applications.
«Разработчики по всему миру пытаются решить проблему с безопасностью с помощью гомоморфного шифрования — "святого Грааля" криптографии. При таком подходе информация обрабатывается удаленным сервером в зашифрованном виде. Он не имеет доступа к секретному ключу. Даже если кому-то удастся перехватить информацию в процессе ее передачи и обработки, он не поймет, о чем идет речь, и не сможет ею воспользоваться. Потенциал у данного метода шифрования очень высокий, но попытки применить его в искусственных нейронных сетях наталкиваются на ряд трудностей и ограничений», — рассказал Михаил Бабенко, заведующий кафедрой вычислительной математики и кибернетики Северо-Кавказского федерального университета.
Математики проанализировали, какие проблемы предстоит решить разработчикам для создания искусственного интеллекта, а также оценили преимущества и недостатки подходов, предлагаемых для их решения. Например, одна из самых актуальных проблем заключается в том, что при гомоморфном шифровании доступны только две базовые арифметические операции — сложение и умножение, и отсутствует возможность сравнить два числа между собой. Тем не менее сравнение чисел необходимо для обработки информации и выполнения многих базовых операций в нейронных сетях. Один из способов провести такое сравнение — использовать функцию определения знака числа через построение многочлена. Однако, чтобы сделать это с высокой точностью, необходимо использовать многочлены очень большой степени. Для получения результата требуется очень много раз провести умножение, из-за чего операция становится вычислительно сложной. Ученые всего мира пытаются найти компромисс между сложностью и точностью, но пока не сильно в этом преуспели.
«Для широкого применения гомоморфного шифрования в нейронных сетях требуется значительная оптимизация предлагаемых алгоритмов. Необходимо повысить производительность и сократить время обработки информации, размер зашифрованных сообщений», — пояснил Михаил Бабенко.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
