Как вложения используются для полностью гомоморфного шифрования?
Как именно выполнить одностороннее шифрование с использованием вложений из глубокой нейронной сети?
Полностью гомоморфное шифрование (FHE) приносит пользу обществу, обеспечивая полную конфиденциальность. Алгоритм распознавания Private Identity использует FHE для обеспечения зашифрованных операций сопоставления и поиска в зашифрованном наборе данных без каких-либо требований к хранению, передаче или использованию биометрических данных или биометрических шаблонов с открытым текстом. Биометрические данные необратимо анонимизируются с помощью одностороннего криптографического хеш-алгоритма, а затем удаляются, не покидая локального устройства.
Мой вопрос в том, как именно для этого используются вложения? Откуда берутся вложения?
1 ответ
Встраивание - это набор чисел с плавающей запятой, взятых из уровня N-1 глубокой нейронной сети softmax (DNN). Первоначально сообщество использовало DNN для получения результирующего класса (softmax), но интересным свойством оказались значения на уровне перед слоем softamx.
У этих значений есть интересные свойства. Они могут работать как одностороннее шифрование. Они также тесно связаны с первоначальным вводом. По геометрическому расстоянию (косинус, евклидово) значения близки к аналогичным входным. Это означает, что два изображения моего лица будут ближе (геометрически), чем изображение двух разных людей. Это свойство позволяет выполнять операции с полученным шифрованием.
Одна из разрешенных операций - совпадение. В зашифрованном пространстве, используя свойства расстояния, мы можем сопоставить, используя только вложение. Поскольку мы работаем только в зашифрованном пространстве, у нас есть реализация FHE, а встраивание происходит из DNN.
Впоследствии мы обнаружили, что вторая DNN допускает классификацию, но только с использованием вложений. Теперь у нас есть конфиденциальность и производительность.