Intel crea silicio para un cifrado totalmente homomórfico: esto es importante

En términos de privacidad y seguridad, no hay datos más importantes que los datos personales, ya sean datos médicos, financieros o incluso sociales. Las discusiones sobre el acceso a nuestros datos o incluso a nuestros metadatos tratan sobre quién sabe qué y si mis datos personales están seguros. El anuncio de hoy entre Intel, Microsoft y DARPA es un programa que tiene como objetivo mantener la información segura y encriptada, pero continúa utilizando esos datos para construir mejores modelos o proporcionar un mejor análisis estadístico sin revelar los datos reales. Se llama Cifrado totalmente homomórfico, pero es tan intensivo en computación que el concepto es casi inutilizable en la práctica. Este programa entre las tres empresas es un impulsor de la provisión de IP y silicio para acelerar la computación y proporcionar un entorno más seguro para el análisis de datos colaborativo.

Índice

    Cuida tus datos

    La protección de datos es uno de los aspectos más importantes para el futuro de la informática. El volumen de datos personales, así como el valor de estos datos y el número de medidas legales de protección necesarias, aumentan constantemente. Esto complica el procesamiento de datos personales, privados y confidenciales y, a menudo, conduce a silos de datos dedicados, ya que para cada procesamiento se requiere una transferencia de datos en relación con un cifrado / descifrado que requiere confianza que no siempre es posible. Todo lo que se requiere es que una clave de la cadena se pierda o se filtre y el registro esté comprometido.

    Existe una forma llamada Cifrado totalmente homomórfico (FHE). FHE hace posible capturar datos cifrados, transferirlos a donde se necesiten, realizar cálculos y obtener resultados sin conocer el conjunto de datos subyacente exacto.

    Tomemos, por ejemplo, el análisis de registros médicos: cuando un investigador necesita procesar un registro en particular para un análisis, el método tradicional es cifrar los datos, enviarlos, descifrarlos y procesarlos, pero entregárselos al investigador. a la información en los registros puede no ser legal o enfrentar desafíos regulatorios. Con FHE, ese investigador puede recopilar los datos cifrados, realizar el análisis y obtener un resultado sin ni siquiera conocer los detalles del conjunto de datos. Esto puede incluir un análisis estadístico combinado de una población a través de múltiples conjuntos de datos cifrados, o utilizar estos conjuntos de datos cifrados como entradas adicionales para entrenar algoritmos de aprendizaje automático para mejorar la precisión a través de más datos. Por supuesto, el investigador debe poder confiar en que los datos proporcionados son completos y genuinos, pero podría decirse que este es un tema diferente al de permitir el cálculo de datos cifrados.

    Una de las razones por las que esto es importante es porque la mejor información proviene de los datos de los conjuntos de datos más grandes. Esto incluye la capacidad de entrenar una red neuronal, y las mejores redes neuronales enfrentan problemas de no tener suficientes datos o enfrentan obstáculos regulatorios cuando se trata de la sensibilidad de esos datos. Por esta razón, el cifrado totalmente homomórfico, la capacidad de analizar datos sin conocer su contenido, es importante.

    El cifrado totalmente homomórfico como concepto ha existido durante varias décadas, pero el concepto solo se ha implementado en los últimos 20 años. En este período de tiempo inicial, se introdujeron una serie de esquemas de cifrado homomórfico parcial y, desde 2010, varios diseños PHE / FHE capaces de manejar operaciones básicas sobre datos cifrados o textos cifrados, con una serie de bibliotecas desarrolladas de acuerdo con los estándares de la industria. Algunos de ellos son de código abierto. Muchos de estos métodos son computacionalmente intensivos debido al manejo de datos encriptados por razones obvias, aunque se hacen esfuerzos con paquetes similares a SIMD y otras características para acelerar el procesamiento. Aunque los esquemas FHE son acelerados, esto no es lo mismo que el descifrado, ya que las matemáticas no descifran los datos; dado que los datos siempre están en un estado cifrado, pueden (posiblemente) ser utilizados por terceros no confiables ya que la información subyacente nunca se divulga. . ((Se podría argumentar que un conjunto suficiente de datos, a pesar del cifrado, podría revelar más de lo previsto.)

    Anuncio de hoy: Silicona personalizada para FHE

    Al medir el rendimiento de FHE Compute, el resultado se compara con la versión de texto sin formato de los datos utilizando el mismo análisis. Debido a la complejidad computacional del cálculo de FHE, los métodos de cálculo actuales son mucho más lentos. Los métodos de cifrado utilizados para habilitar FHE pueden aumentar el tamaño de los datos entre 100 y 1000 veces. El cálculo de estos datos es entonces de 10.000 a 1 millón de veces más lento que los cálculos convencionales. Esto significa que un segundo del cálculo de los datos brutos puede tardar entre 3 horas y 12 días.

    Ya sea que eso signifique combinar registros hospitalarios en un estado o personalizar un servicio personal utilizando metadatos personales recopilados en el teléfono inteligente de un usuario, FHE en esta escala ya no es una solución viable. Llame al programa DARPA DPRIVE.

    • DARPA: Agencia de Proyectos de Investigación de Defensa Avanzada
    • DPRIVE: protección de datos en entornos virtuales

    Intel anunció que, como parte del programa DPRIVE, firmó un acuerdo con DARPA para desarrollar direcciones IP personalizadas para silicio para permitir una FHE más rápida en la nube, particularmente con Microsoft en las nubes Azure y JEDI, inicialmente con el gobierno de EE. Como parte de este proyecto de varios años, la experiencia de Intel Labs, la Ingeniería de diseño de Intel y el Grupo de plataformas de datos de Intel se unirán para crear un ASIC dedicado que pueda reducir el esfuerzo computacional de FHE en comparación con los métodos existentes basados ​​en CPU. El comunicado de prensa establece que el objetivo es reducir el tiempo de procesamiento en cinco órdenes de magnitud con respecto a los métodos actuales y reducir los tiempos de cálculo de días a minutos.

    Intel ya tiene un pie en la puerta cuando se trata de FHE y tiene un equipo de investigación en Intel Labs dedicado al tema. Esto se centró principalmente en software, estándares y obstáculos regulatorios, pero ahora también se centrará en el diseño de hardware, las pilas de software en la nube y la entrega colaborativa dentro de la nube Azure y JEDI para el gobierno de EE. UU. Otros mercados objetivo destacados son la salud, los seguros y las finanzas.

    Durante el Intel Labs Day en diciembre de 2020, Intel describió algunas de las direcciones que este trabajo ya estaba tomando, así como los estándares y desarrollos para el cifrado tradicional paralelo, pero a nivel internacional dados los obstáculos regulatorios adicionales. Microsoft ahora será parte de esa discusión con el programa DPRIVE, junto con las continuas inversiones académicas de Intel.

    Con la excepción del elemento de “cinco órdenes de magnitud”, el anuncio de hoy no va más allá de eso en el establecimiento de metas finales, ni representa un marco de tiempo, sino que es un acuerdo de varios años. Será interesante ver cuánto Intel o sus afiliaciones académicas más allá de hoy discuten sobre este tema más allá de la estandarización laboral.

    Lectura relacionada

    Deja una respuesta

    Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

    Subir