क्लाउड न्यूरल नेटवर्क में डेटा की सुरक्षा कैसे करें - एक नई एन्क्रिप्शन विधि प्रस्तावित है

एमआईटी के शोधकर्ताओं ने क्लाउड - गजल में तंत्रिका नेटवर्क के साथ काम करने के लिए एक नया एन्क्रिप्शन विधि विकसित की है । सर्वर अपनी सामग्री को जाने बिना उपयोगकर्ता डेटा को संसाधित करता है, अर्थात वे गुमनाम रहते हैं। हम सिस्टम और इसकी संभावनाओं के बारे में बात करते हैं।


/ जॉन जोन्स सीसी द्वारा फोटो

आपको गजल की जरूरत क्यों पड़ी

मशीन लर्निंग आउटसोर्सिंग आईटी उद्योग में एक बढ़ती प्रवृत्ति है। बड़ी फर्मों ने क्लाउड प्लेटफ़ॉर्म को कॉन्फ्लिचुअल न्यूरल नेटवर्क के साथ लॉन्च किया। इन नेटवर्क का उपयोग अक्सर छवियों को वर्गीकृत करने के लिए किया जाता है (दवा में, उदाहरण के लिए, एक्स-रे और सीटी छवियों को वर्गीकृत करने के लिए)। हालांकि, नेटवर्क पर डेटा के आदान-प्रदान के लिए उनके तंत्र ने पूरी प्रक्रिया को गंभीरता से धीमा कर दिया है, जो ऐसी सेवाओं के अनुप्रयोगों की सीमा को सीमित करता है।

गेजेल उन डेटा की रक्षा करेगा जो क्लाउड में तंत्रिका नेटवर्क को प्रेषित किए जाते हैं और उनके प्रसंस्करण को गति देते हैं। इसी तरह के एल्गोरिदम की तुलना में एमआईटी समाधान 20-30 गुना तेज है।

तकनीक कैसे काम करती है

सिस्टम एन्क्रिप्शन के दो रूपों का उपयोग करता है। पहला होमोमोर्फिक एन्क्रिप्शन है - यह आपको एन्क्रिप्ट किए गए उपयोगकर्ता डेटा पर विभिन्न गणितीय संचालन करने और एन्क्रिप्टेड परिणाम उत्पन्न करने की अनुमति देता है। इसके अलावा, यह "खुले" मूल्यों के साथ किए गए संचालन के परिणाम से मेल खाती है।

दूसरा रूप एक विकृत लूप प्रोटोकॉल है। यह एक गोपनीय गणना प्रोटोकॉल है जो इनपुट डेटा के बारे में जानकारी का खुलासा किए बिना और एक तीसरे पक्ष (आर्बिटर) को शामिल किए बिना सिस्टम में प्रतिभागियों को एक मूल्य (उदाहरण के लिए, अधिक, कम या बराबर) का मूल्यांकन करने की अनुमति देता है।

सामान्य तौर पर, सिस्टम में तीन घटक होते हैं। पहला एक होमोमोर्फिक लेयर (Homomorphic Layer) है, जिसमें होमोमोर्फिक ऑपरेशंस के त्वरित कार्यान्वयन शामिल हैं: SIMD- अलावा और SIMD- गुणन (स्केलर), साथ ही साथ ऑटोमोरफ़िज़्म । दूसरा घटक रैखिक बीजगणित गुठली (रैखिक बीजगणित गुठली) है। मैट्रिक्स-वेक्टर गुणा और होमोमोर्फिक कनवल्शन के लिए एल्गोरिदम, साथ ही छवियों के संकेतों की खोज करने के लिए एक प्रणाली, "निष्कर्ष" यहां हैं।

तीसरे घटक को गज़ेल नेटवर्क इंट्रेंस कहा जाता है। यह एक अनुमान प्रणाली है जो रैखिक बीजगणित की गुठली के साथ विकृत लूप प्रणालियों को जोड़ती है। यह एक तंत्रिका नेटवर्क के प्रसंस्करण के परिणामों के आउटपुट के लिए प्रोटोकॉल के आधार का प्रतिनिधित्व करता है।

डाटा प्रोसेसिंग स्वयं इस प्रकार है। सबसे पहले, ग्राहक होमोमोर्फिक एन्क्रिप्शन के लिए एक योजना का उपयोग करके अपने डेटा को एन्क्रिप्ट करता है और इसे एक तंत्रिका नेटवर्क के साथ एक सर्वर पर भेजता है। इसके अलावा, तंत्रिका नेटवर्क रैखिक परत में आवश्यक गणना करता है, और फिर उन्हें गैर-रेखीय परत में स्थानांतरित कर देता है (विचारात्मक तंत्रिका नेटवर्क में, ये परतें लगातार बारी-बारी से होती हैं)।

उसके बाद, डेटा नेटवर्क और उपयोगकर्ता के डिवाइस के बीच साझा किया जाता है। उत्तरार्द्ध के डिवाइस में एक सिस्टम होना चाहिए जो विकृत सर्किट के निर्माण के आधार पर सर्किट के साथ काम करने में सक्षम है। उपयोगकर्ता स्वतंत्र रूप से गणना की एक श्रृंखला करता है और एन्क्रिप्ट किए गए परिणामों को वापस क्लाउड पर भेजता है।

यह लोड शेयरिंग सुनिश्चित करता है कि न्यूरोसिस्टम एक समय में एक परत के लिए जटिल होमोमोर्फिक गणना करेगा। यह डेटा शोर से बचा जाता है और सिस्टम के प्रदर्शन में सुधार करता है (चूंकि एक विकृत सर्किट गैर-रैखिक परतों पर सबसे अच्छा काम करता है)। एक समान डेटा एक्सचेंज नेटवर्क की सभी परतों के लिए वैकल्पिक रूप से किया जाता है।

अगला, रहस्यों को साझा करने की प्रक्रिया। डेटा को कई भागों में विभाजित किया गया है, इसे क्लाइंट में एक साथ सिंक्रोनाइज़ और एकत्र किया गया है। क्लाउड सेवा परिणाम को डिक्रिप्ट करने के लिए अंतिम कुंजी भेजती है। तो एक पक्ष (उपयोगकर्ता) वर्गीकरण परिणाम प्राप्त करता है, और दूसरा पक्ष (एक तंत्रिका नेटवर्क वाला सर्वर) कुछ भी प्राप्त नहीं करता है।

आप अपने काम के परिणामों के आधार पर शोधकर्ताओं द्वारा प्रकाशित एक लेख में प्रणाली के बारे में अधिक जान सकते हैं।

प्रौद्योगिकी दृष्टिकोण

अब तक, एल्गोरिथ्म प्रयोगात्मक है और किसी विशेष एप्लिकेशन में लागू नहीं किया गया है। व्यावहारिक अनुप्रयोग के साथ कार्यक्रम बनाना सिस्टम के विकास में अगला चरण है।


/ फोटो PxHere पीडी

शायद उपयोगकर्ता मामलों में से एक मशीन लर्निंग एल्गोरिदम होगा, जो नेत्र चित्र के साथ रोगियों में मधुमेह संबंधी रेटिनोपैथी की उपस्थिति का खुलासा करता है। इस प्रणाली को अमेरिकी खाद्य एवं औषधि प्रशासन ने पहले ही मंजूरी दे दी है और अस्पतालों में इसका उपयोग किया जा रहा है। यह संभावना है कि यह पहला ऐसा होगा जिसके लिए गजल लागू की गई है।

वे न केवल चिकित्सा के क्षेत्र में प्रौद्योगिकी का उपयोग करने की योजना बनाते हैं। यह वित्तीय बाजार और चेहरे की पहचान प्रणालियों के लिए विश्लेषणात्मक प्रणालियों में भी आवेदन करेगा। इसलिए, सर्वर के पास लोगों की मूल तस्वीरों तक पहुंच नहीं होगी, जिससे इन समाधानों की सुरक्षा बढ़नी चाहिए।

---

पुनश्च हम IaaS ब्लॉग पर और क्या लिख ​​रहे हैं:

• क्लाउड में सर्वरलेस कंप्यूटिंग - आधुनिकता की प्रवृत्ति या आवश्यकता?
• वित्तीय क्षेत्र में क्लाउड प्रौद्योगिकी: रूसी कंपनियों का अनुभव
• क्लाउड में डिस्क सिस्टम का परीक्षण कैसे करें

HPSé पर हमारे ब्लॉग से PPS ताज़ा पोस्ट:

• IETF ने संदेश देने के लिए एक नया मानक प्रस्तावित किया है - जिसे आपको जानना आवश्यक है
• जापानी ने exaflops सुपर कंप्यूटर के लिए एक प्रोटोटाइप प्रोसेसर पेश किया