AI 시스템에서 암호화 구현

연구자들은 암호화된 입력의 복호화나 권한 있는 접근의 검증과 같은 기능을 가능하게 하기 위해 심층 신경망(DNN)에 암호화를 통합하는 방법을 탐구하고 있습니다. 이는 기존의 암호화 방법이 이진 데이터를 처리하는 디지털 컴퓨터를 위해 설계된 반면, DNN은 선형 사상과 ReLU를 사용하여 연속적인 실수 값으로 작동하기 때문에 어려운 과제입니다. 이산적과 연속적인 계산 모델 간의 차이는 DNN으로 표준 암호화 원시 함수를 구현하는 최선의 방법에 대한 의문을 제기합니다. 또한 공격자가 임의의 실수를 입력할 수 있는 경우 DNN 기반 암호 시스템이 안전하게 유지되는지 여부도 불분명합니다. 목표는 DNN에서 암호화 원시 함수를 안전하게 구현하는 방법을 개발하는 것입니다. 이를 통해 DNN은 암호화된 데이터의 복호화나 권한 있는 접근의 검증과 같은 작업을 수행할 수 있습니다. 이 연구는 기존 암호화와 DNN의 연속적인 계산 모델 간의 차이점을 해결하는 것을 목표로 합니다. DNN에서 암호화 원시 함수를 구현할 때는 잠재적인 공격에 직면하여 보안을 유지해야 합니다. 이 연구의 결과는 다양한 응용 분야에서 DNN의 안전한 배포에 중요한 영향을 미칠 수 있습니다. 암호화와 DNN의 교차점을 탐구함으로써 연구자들은 DNN 기반 시스템을 보호하는 새로운 방법을 개발할 수 있습니다.