Wir stehen der Massifizierung einer Verschlüsselungsmethode sehr nahe, die dem treu bleibt, was jeder Benutzer verfolgt: Datenschutz. Milliarden von Risiken von Datenschutzverletzungen werden Tag für Tag durch den Austausch persönlicher oder beruflicher Daten dargestellt. Intel, einer der globalen Technologie-Giganten, ist erneut der Protagonist einer Initiative, die die Art und Weise verändern wird, wie maschinelles Lernen seinen Zwecken dient.
Datenschutz bei der Datenverarbeitung ist Realität
In einem Krankenhaus wird eine Studie an einem Patienten über einen Remote-Radiologiedienst durchgeführt. Alle erhaltenen Informationen werden verschlüsselt an einen erfahrenen Radiologen weitergegeben. Dieser Fachmann führt die gesamte notwendige Verarbeitung mit den Daten durch, die noch verschlüsselt werden. Die generierten Daten müssen nicht entschlüsselt werden. Sobald die Ergebnisse vorliegen, werden sie auch verschlüsselt. Erst zum Zeitpunkt der endgültigen Überprüfung und Übermittlung der Diagnose an den Patienten wird die Entschlüsselung durchgeführt. Denkst du es ist möglich
Intel schlägt eine Technologie namens vor Homomorph Verschlüsselung . Maschinelles Lernen ist Zunehmende Bekanntheit bei Produkten und Dienstleistungen für die künstliche Intelligenz. Folglich werden diese Geräte von großen Datenmengen mit Strom versorgt und gelernt. Die Herausforderung sowohl des Unternehmens als auch der Branche im Allgemeinen besteht darin, der Vertraulichkeit dieser Daten immer mehr gerecht zu werden.
Wie funktioniert diese Verschlüsselungsmethode?
Um uns in den Kontext zu stellen, das Wort homomorph wird dekonstruiert in -Homo- (gleich) und -verwandeln- (bilden). Dies entspricht dem Zweck, in der Praxis regelmäßige Vorgänge mit verschlüsselten Daten durchzuführen, wobei diese lediglich bei der Lieferung entschlüsselt werden müssen.
Der gemeinsame Punkt der von ML verarbeiteten Daten ist, dass sie nur verschlüsselt werden, wenn sie von der Quelle erfasst werden. Zum Zeitpunkt der Verarbeitung werden sie jedoch entschlüsselt. Das Risiko von Daten Verletzung der Privatsphäre und verschiedene Angriffe stehen unmittelbar bevor und haben katastrophale Folgen.
Es mag zu schön scheinen, um wahr zu sein, aber die homomorphe Verschlüsselung ist theoretisch bereits 20 Jahre alt. In den letzten fünf Jahren wurden mehrere Fortschritte bei der Verarbeitung verschlüsselter Daten erzielt. Daher wurde die Tatsache ignoriert, dass es viel mehr Zeit benötigt, um mit verschlüsselten als mit entschlüsselten Daten zu arbeiten.
Obwohl Intel bei der Implementierung dieser Verschlüsselungsmethode führend ist, gibt es weiterhin Gründe, eine Einigung darüber zu erzielen, was für den Datenschutz in ML am besten ist. Google, IBM, Microsoft und andere Giganten haben sich vor einem halben Jahr mit Intel getroffen, um darüber zu diskutieren. Ein weiteres Ziel ist die Umwandlung der homomorphen Verschlüsselung in einen Standard, der auf ISO, IEEE, ITU und anderen Unternehmen der Branche basiert.
Es gibt Tausende von Möglichkeiten, die Privatsphäre der Daten zu schützen, wenn Sie mit ihnen arbeiten. Es ist sogar möglich, ein sehr rentables und vor allem transparentes Geschäftsmodell zu generieren, sowohl für den Teil, der die Daten benötigt, als auch für den, der die Daten besitzt. Dies ist eine weitere Möglichkeit für den Benutzer, mehr wahrzunehmen und mehr Vorteile als Schäden , wenn Sie Ihre Daten mit anderen Parteien teilen.
