Nueva técnica de cifrado para proteger sistemas de inteligencia artificial basados en la nube

MIT ahora puede proteger inteligencia artificial basada en la nube sin ralentizarla.

Datos confidenciales podrán mantenerse seguros y seguir siendo útiles.

Es bastante importante proteger los sistemas de inteligencia artificial basados ​​en la nube, especialmente cuando utilizan datos confidenciales, como fotos o registros médicos.

Hasta la fecha, sin embargo, eso no ha sido muy práctico: el cifrado de los datos puede hacer que los sistemas de aprendizaje automático sean tan lentos que prácticamente no se puedan usar.

MIT afortunadamente tiene una solución en forma de GAZELLE, una tecnología que promete encriptar las redes neuronales convolucionales sin una desaceleración dramática.

La clave fue fusionar dos técnicas existentes de una manera que evita los cuellos de botella habituales que esos métodos crean.

Para empezar, los usuarios que cargan datos a la IA confían en un enfoque de “circuitos confusos” que toma su entrada y envía dos entradas distintas a cada lado de la conversación, ocultando datos tanto para el usuario como para la red neuronal mientras hace accesible la salida relevante.

Fantasy cialis generic pills capsules should be used for 4 to 6 months for visible results. After you have been patiently waiting, I can assure you that viagra overnight delivery good things come to those who wait; it’ll be just fine. Though, there are a number of order generic cialis djpaulkom.tv reports that those product can’t actually assist in some mode. Reviews are immensely supportive to this supplement than any other and cure sexual disorder viagra canada djpaulkom.tv fast. Sin embargo, ese enfoque normalmente sería demasiado intenso si se utilizara para todo el sistema, por lo que MIT utiliza el cifrado homomórfico (que toma y produce datos encriptados) para las capas de computación más exigentes antes de enviarlo nuevamente al usuario.

Sin embargo, el método homomórfico tiene que introducir ruido para funcionar, por lo que se limita a una capa a la vez antes de transmitir información.

En resumen: MIT está dividiendo la carga de trabajo según lo que cada lado hace mejor.

El resultado conduce a un rendimiento hasta 30 veces más rápido que lo que obtendría de los métodos convencionales, y promete reducir el ancho de banda de red necesario en “un orden de magnitud”, según el MIT.

Eso podría conducir a un mayor uso de las redes neuronales basadas en Internet para manejar información vital, en lugar de obligar a las empresas e instituciones a construir equivalentes locales caros o a olvidar por completo los sistemas basados ​​en inteligencia artificial.

Los hospitales podrían enseñarle a la IA a detectar problemas médicos en las imágenes por resonancia magnética, por ejemplo, y compartir esa tecnología con otras personas sin exponer los datos del paciente.

Fuente: Engadget