Intel fabrique du silicium pour des encodeurs entièrement homomorphes: c’est important

Lorsqu’on pense à la confidentialité et à la protection des données, il n’y a pas de données plus importantes que les données personnelles, qu’elles soient médicales, financières ou même sociales. Les discussions autour de l’accès à nos données, ou même à nos métadonnées, portent sur qui sait quoi et si mes données personnelles sont en sécurité. L’annonce d’aujourd’hui entre Intel, Microsoft et DARPA est un programme conçu pour garder les informations sécurisées et cryptées, tout en utilisant ces données pour créer de meilleurs modèles ou fournir une meilleure analyse statistique sans divulguer les données réelles. C’est ce qu’on appelle un chiffrement entièrement symétrique, mais il est condensé au point que le concept est presque inutile en pratique. Ce programme parmi les trois sociétés est un moteur pour fournir IP et silicium pour l’accélération du calcul, permettant un environnement plus sûr pour l’analyse collaborative des données.

Prenez soin de vos données

La protection des données est l’un des aspects les plus importants de l’avenir de l’informatique. Le volume de données personnelles est en constante augmentation, ainsi que la valeur de ces données et le nombre de protections juridiques requises. Cela rend tout traitement de données personnelles, privées et confidentielles difficile, et aboutit souvent à des entrepôts de données dédiés, car tout traitement nécessite une transmission de données avec un cryptage / décryptage, y compris une confiance qui n’est pas toujours possible. Tout ce qu’il faut, c’est qu’une seule clé de la chaîne soit perdue ou divulguée, et l’ensemble de données est compromis.

Il existe un moyen de contourner ce problème, il est connu sous le nom de codage entièrement symétrique (FHE). FHE permet de prendre des données chiffrées, de les déplacer où vous le souhaitez, d’effectuer des calculs dessus et d’obtenir des résultats sans connaître exactement l’ensemble de données sous-jacent.

Prenons, par exemple, l’analyse des enregistrements de données médicales: si un chercheur a besoin de traiter un ensemble de données spécifique pour une analyse, la méthode traditionnelle serait de crypter les données, d’envoyer les données, de décrypter et de traiter les données – mais en donnant au chercheur accès à les détails spécifiés dans les dossiers peuvent ne pas être juridiques ou faire face à des défis organisationnels. Avec FHE, ce chercheur peut prendre les données encodées, exécuter l’analyse et obtenir un résultat, sans connaître aucun détail sur l’ensemble de données. Cela peut inclure une analyse statistique combinée de la population sur plusieurs ensembles de données encodés, ou prendre ces ensembles de données encodés et les utiliser comme entrées supplémentaires pour former des algorithmes d’apprentissage automatique, améliorant la précision en obtenant plus de données. Bien sûr, le chercheur doit être sûr que les données fournies sont complètes et réelles, mais on peut dire qu’il s’agit d’un sujet différent de l’activation du calcul sur des données cryptées.

READ  Google ferme ses applications Shopping iOS et Android

Un problème avec son importance est que les meilleures informations à partir des données proviennent des plus grands ensembles de données. Cela inclut la possibilité de former un réseau de neurones, et les meilleurs réseaux de neurones sont confrontés au problème de ne pas avoir suffisamment de données ou à des obstacles réglementaires en ce qui concerne la nature sensible de ces données. C’est pourquoi un codage totalement homogène est si important, et la capacité d’analyser les données sans en connaître le contenu.

Le codage totalement homogène, en tant que concept, existe depuis plusieurs décennies, mais ce concept n’a été réalisé qu’au cours des 20 dernières années environ. Un certain nombre de schémas de codage fractionnaire symétrique ont été introduits au cours de cette période initiale, et depuis 2010, plusieurs conceptions PHE / FHE capables de gérer des opérations de base sur des données cryptées ou des textes cryptés ont été développées avec un certain nombre de bibliothèques développées conformément aux normes de l’industrie. Certains d’entre eux sont open source. Beaucoup de ces approches sont complexes sur le plan du calcul pour des raisons évidentes en raison de la gestion des données cryptées, malgré les efforts déployés avec des packages de type SIMD et d’autres fonctionnalités pour accélérer le traitement. Bien que les diagrammes FHE soient accélérés, cela diffère du décodage, car les mathématiques ne décodent pas les données – étant donné que les données sont toujours dans un état crypté, elles peuvent (sans doute) être utilisées par des tiers non fiables tels que les informations n’ont pas été divulguées. de base. (On dirait qu’un ensemble de données adéquat pourrait révéler plus que prévu malgré le cryptage.)

Annonce d’aujourd’hui: le silicone est destiné à FHE

Lors de la mesure des performances du calcul FHE, le résultat est comparé à la même analyse par rapport à la version en texte brut des données. En raison de la complexité de calcul du calcul FHE, les méthodes de calcul actuelles sont considérablement plus lentes. Les méthodes de cryptage pour activer FHE peuvent augmenter la taille des données de 100 à 1000 fois, puis le calcul sur ces données est de 10 000 à 1 million de fois plus lent que le calcul traditionnel. Cela signifie qu’une seconde de calcul sur des données brutes peut durer de 3 heures à 12 jours.

READ  Un exploit qui permet à un chercheur en sécurité d'accéder à Apple, Microsoft et PayPal

Donc, qu’il s’agisse de combiner les dossiers médicaux des hôpitaux dans tout l’État ou de personnaliser un service personnel à l’aide de métadonnées personnelles collectées sur le smartphone d’un utilisateur, FHE à cette échelle n’est plus une solution viable. Entrez dans le programme DARPA DPRIVE.

  • DARPA: Agence des projets de recherche avancée de défense
  • DPRIVE: protection des données dans les environnements virtuels

Intel a annoncé que dans le cadre du programme DPRIVE, il a signé un accord avec DARPA pour développer une adresse IP dédiée menant au silicium pour permettre une FHE plus rapide dans le cloud, en particulier avec Microsoft sur Azure et le cloud JEDI, initialement avec le gouvernement américain. . Dans le cadre de ce projet pluriannuel, l’expertise d’Intel Labs, l’ingénierie de conception d’Intel et une suite de plates-formes de données d’Intel se réuniront pour créer un ASIC dédié afin de réduire la charge de calcul pour FHE basée sur des approches basées sur le processeur. Le communiqué de presse indique que l’objectif est de réduire le temps de traitement de cinq ordres de grandeur par rapport aux méthodes actuelles, réduisant les temps de calcul de quelques jours à quelques minutes.

Intel a déjà un pied dans la porte en ce qui concerne FHE, car il existe une équipe de recherche au sein d’Intel Labs dédiée à ce problème. Il s’agissait principalement de l’aspect logiciel, des normes et des obstacles réglementaires, mais cela passera désormais également à la conception matérielle, aux piles de logiciels cloud et au déploiement collaboratif au sein d’Azure et du cloud JEDI du gouvernement américain. Les autres marchés cibles comprennent la santé, l’assurance et la finance.

READ  Cyberpunk 2077 est un désastre sur PS4 et Xbox One - et ça empire

Lors de l’Intel Labs Day en décembre 2020, Intel a détaillé certaines des directions qu’il prenait déjà dans ce secteur, ainsi que les normes et le développement du codage parallèle traditionnel, mais à l’échelle internationale en raison d’obstacles réglementaires supplémentaires. Microsoft fera désormais partie de cette discussion avec le programme DPRIVE, ainsi que les investissements en cours d’Intel sur le plan académique.

Mis à part la composante «cinq ordres de grandeur», l’annonce d’aujourd’hui ne va pas au-delà de cela en fixant des objectifs spécifiques, ni ne fournit un calendrier, mais indique plutôt qu’il s’agit d’un accord «pluriannuel». Il sera intéressant de voir à quel point Intel ou ses institutions académiques discutent de ce sujet après aujourd’hui, au-delà de la normalisation du travail.

Lecture connexe

LEAVE A REPLY

Please enter your comment!
Please enter your name here