Полностью гомоморфное шифрование: священный Грааль защиты конфиденциальности искусственного интеллекта?
Полностью гомоморфное шифрование(FHE) как важный прорыв в области шифрования открывает новые возможности для защиты конфиденциальности в приложениях искусственного интеллекта. В современную цифровую эпоху мы с одной стороны наслаждаемся удобством персонализированных рекомендательных услуг, а с другой стороны все больше беспокоимся о утечке конфиденциальной информации. FHE, возможно, сможет решить этот парадокс, позволяя нам наслаждаться индивидуализированными услугами без жертвы конфиденциальностью.
Восход искусственного интеллекта как услуги ( AIaaS ) позволяет обычным пользователям получать доступ к современным моделям нейронных сетей. Однако в настоящее время AIaaS, предоставляя удобство, также жертвует конфиденциальностью пользователей, поскольку серверы имеют доступ к вводимым данным пользователей. С введением таких нормативных актов по защите конфиденциальности, как GDPR, нам срочно необходимо разработать мощные механизмы защиты конфиденциальности в процессе AIaaS.
FHE предлагает решение для проблемы конфиденциальности данных в облачных вычислениях. Он поддерживает операции сложения и умножения над шифрованными данными, позволяя серверу выполнять вычисления с зашифрованными данными без их расшифровки. В глубокой нейронной сети на основе FHE пользователю достаточно передать зашифрованные входные данные облачному серверу, который выполняет гомоморфные вычисления над шифрованными данными и возвращает зашифрованный вывод; в течение всего процесса данные пользователя остаются зашифрованными.
FHE имеет широкие перспективы применения в таких областях, как реклама, медицина, анализ данных, финансы и др. Однако в настоящее время FHE все еще сталкивается с некоторыми ограничениями, такими как сложная поддержка нескольких пользователей, огромные вычислительные затраты, ограниченные поддерживаемые операции и т. д. Тем не менее, такие компании, как Zama, Privasee, Octra и Mind Network, уже начали исследовать применение FHE в области искусственного интеллекта и шифрования.
Хотя FHE по-прежнему сталкивается с рядом проблем в практическом применении, с постоянным совершенствованием алгоритмов и аппаратного обеспечения он может привести к революционным изменениям в области искусственного интеллекта, достигнув баланса между защитой конфиденциальности и эффективными вычислениями. В будущем FHE может стать ключевой технологией для создания безопасных AI-сервисов, защищающих конфиденциальность.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
13 Лайков
Награда
13
4
Репост
Поделиться
комментарий
0/400
Ser_APY_2000
· 12ч назад
Вред, утечка личной информации все еще может быть решена.
Посмотреть ОригиналОтветить0
BitcoinDaddy
· 12ч назад
Защита конфиденциальности - это что? Неудачники есть неудачники.
Посмотреть ОригиналОтветить0
BlockchainFries
· 12ч назад
Целый день говорим о приватности, а кто сможет её защитить?
Посмотреть ОригиналОтветить0
SerumSqueezer
· 12ч назад
Так раздражает, не понимаю, нужен ли пароль или нет.
Полностью гомоморфное шифрование: новое достижение в защите конфиденциальности в эпоху ИИ
Полностью гомоморфное шифрование: священный Грааль защиты конфиденциальности искусственного интеллекта?
Полностью гомоморфное шифрование(FHE) как важный прорыв в области шифрования открывает новые возможности для защиты конфиденциальности в приложениях искусственного интеллекта. В современную цифровую эпоху мы с одной стороны наслаждаемся удобством персонализированных рекомендательных услуг, а с другой стороны все больше беспокоимся о утечке конфиденциальной информации. FHE, возможно, сможет решить этот парадокс, позволяя нам наслаждаться индивидуализированными услугами без жертвы конфиденциальностью.
Восход искусственного интеллекта как услуги ( AIaaS ) позволяет обычным пользователям получать доступ к современным моделям нейронных сетей. Однако в настоящее время AIaaS, предоставляя удобство, также жертвует конфиденциальностью пользователей, поскольку серверы имеют доступ к вводимым данным пользователей. С введением таких нормативных актов по защите конфиденциальности, как GDPR, нам срочно необходимо разработать мощные механизмы защиты конфиденциальности в процессе AIaaS.
FHE предлагает решение для проблемы конфиденциальности данных в облачных вычислениях. Он поддерживает операции сложения и умножения над шифрованными данными, позволяя серверу выполнять вычисления с зашифрованными данными без их расшифровки. В глубокой нейронной сети на основе FHE пользователю достаточно передать зашифрованные входные данные облачному серверу, который выполняет гомоморфные вычисления над шифрованными данными и возвращает зашифрованный вывод; в течение всего процесса данные пользователя остаются зашифрованными.
FHE имеет широкие перспективы применения в таких областях, как реклама, медицина, анализ данных, финансы и др. Однако в настоящее время FHE все еще сталкивается с некоторыми ограничениями, такими как сложная поддержка нескольких пользователей, огромные вычислительные затраты, ограниченные поддерживаемые операции и т. д. Тем не менее, такие компании, как Zama, Privasee, Octra и Mind Network, уже начали исследовать применение FHE в области искусственного интеллекта и шифрования.
Хотя FHE по-прежнему сталкивается с рядом проблем в практическом применении, с постоянным совершенствованием алгоритмов и аппаратного обеспечения он может привести к революционным изменениям в области искусственного интеллекта, достигнув баланса между защитой конфиденциальности и эффективными вычислениями. В будущем FHE может стать ключевой технологией для создания безопасных AI-сервисов, защищающих конфиденциальность.