0 |
Новый метод шифрования, предложенный исследователями из Массачусетского технологического института (MIT), позволяет обезопасить данные, используемые онлайновым нейросетями, без существенного замедления их работы. Этот подход открывает возможность применения облачных нейросетей для анализа медицинских изображений и для других приложений, работающих с конфиденциальными данными.
Аутсорсинг машинного обучения является растущей тенденцией в индустрии. Крупные технические фирмы запустили облачные платформы, которые выполняют сложные вычислительные задачи, такие как прогонка данных через свёрточную нейронную сеть (CNN) для классификации изображений. Малые предприятия с ограниченными ресурсами и другие пользователи могут загружать данные в эти сервисы и получать результаты через несколько часов. Однако защита таких пересылаемых данных существующими методами может серьёзно (даже в миллион раз) замедлить оценку нейросети (её тестирование и валидацию), что ограничивает популярность подобных сервисов.
В статье, представленной на конференции USENIX по безопасности на этой неделе, исследователи MIT описывают систему GAZELLE, которая сочетает в себе две традиционные технологии — гомоморфное шифрование и искаженные схемы (garbled circuits). Такая комбинация (искаженные схемы выполняются на компьютере пользователя) позволила обойти ограничения указанных технологий, применение которых по отдельности делает сложные нейросети неэффективными.
На задачах двусторонней (пользователь и облачный сервер) классификации изображений с помощью свёрточной нейросети GAZELLE работает в 20–30 раз быстрее лучших традиционных систем и на порядок снижает требования к пропускной способности сетевого подключения.
Ready, set, buy! Посібник для початківців - як придбати Copilot для Microsoft 365
0 |