우리는 모든 사용자가 추구하는 프라이버시에 충실한 암호화 방법의 대량화에 매우 가까워졌습니다. 개인 또는 전문 데이터를 공유하여 매일 수십억 건의 데이터 유출 위험이 제시됩니다. 인텔글로벌 기술 대기업 중 하나 인는 머신 러닝이 목적을 달성하는 방식을 바꿀 이니셔티브를 가진 주인공입니다.
데이터 처리의 프라이버시는 현실입니다
병원에서는 원격 방사선 서비스를 통해 환자에 대한 연구가 수행됩니다. 얻은 모든 정보는 암호화되어 전문 방사선 전문의와 공유됩니다. 이 전문가는 여전히 암호화 된 데이터를 사용하여 필요한 모든 처리를 수행합니다. 생성 된 데이터를 해독 할 필요는 없으며 결과가 얻어지면 암호화됩니다. 최종 검토를하고 환자에게 진단을 전달할 때만 해독이 수행됩니다. 가능하다고 생각하십니까?
인텔은 동형 암호화 . 머신 러닝은 인공 지능을 겨냥한 제품 및 서비스에서 점점 더 주목을 받고 있습니다. 결과적으로 이러한 장치는 많은 양의 데이터에 의해 구동되고 학습됩니다. 일반적으로 업계뿐만 아니라 회사의 과제는이 데이터의 개인 정보 보호에 대한 충성도가 점차 높아지고 있습니다.
이 암호화 방법은 어떻게 작동합니까?
문맥에서 우리 자신을두기 위해 동형 해체된다 -호모- (같은) -모프- (형태). 이는 암호화 된 데이터에 대한 정기적 인 작업을 실제로 수행 할 목적으로 제공되며 배달시 데이터를 해독하기 만하면됩니다.
ML이 처리하는 데이터의 공통점은 소스에서 캡처 할 때만 암호화된다는 것입니다. 그러나 처리시에는 암호가 해독됩니다. 데이터의 위험 개인 정보 침해 다양한 공격이 임박했으며 치명적인 결과를 초래했습니다.
사실이 아닌 것 같지만, Homomorphic Encryption은 이론적으로 이미 20 살입니다. 지난 XNUMX 년 동안 암호화 된 데이터 처리 기술이 몇 가지 발전했습니다. 따라서, 해독 된 데이터보다 암호화 된 데이터로 작동하는 데 훨씬 더 많은 시간이 필요하다는 사실은 무시되었습니다.
인텔은이 암호화 방법 구현의 선두 주자이지만 ML에서 데이터 개인 정보 보호에 가장 적합한 것이 무엇인지에 대한 합의에 도달 할 이유를 계속 제공합니다. Google, IBM, Microsoft 그리고 다른 거대 기업들은 반년 전에 인텔과 만나 논의했습니다. 또 다른 목표는 동형 암호화를 ISO, IEEE, ITU 및 해당 부문의 다른 회사를 기반으로하는 일부 표준으로 변환하는 것입니다.
데이터를 조작 할 때 데이터의 프라이버시를 유지하는 수천 가지 기회가 있습니다. 데이터가 필요한 부분과 데이터를 소유 한 부분 모두에 대해 매우 수익성이 높고 투명한 비즈니스 모델을 생성하는 것도 가능합니다. 이것은 사용자가 더 많이 인식 할 수있는 또 다른 기회이며 손해보다 더 많은 혜택 다른 사람과 데이터를 공유 할 때
