NoML Digest

Про гомоморфное шифрование

На прошлой неделе у нас был круглый стол с обсуждением методов конфиденциальной аналитики / Privacy Preserving ML (запись скоро будет опубликована).
Одним из строгих, криптографических подходов конфиденциальной аналитики является полностью гомоморфное шифрование (Fully Homomorphic Encryption, или FHE).

Пара вводных статей про FHE для ML:
▫️ What is Homomorphic Encryption? (С примерами на PySyft), 2020 (15 минут).
▫️ P. Li, F. Michel, J. Wilson - FHE and ML: A Student Perspective with Examples (C примерами на Concrete ML), 2022 (20-30 минут).

Также периодически напоминаю про ресурс fhe.org, там проходит много семинаров и конференций по теме FHE и приложений. Для затравки рекомендую следующее:
▫️ Верхнеуровневое введение: Pascal Paillier - Introduction to Homomorphic Encryption, 2020 (1 час).
▫️ Более детально про одну из конструкций FHE: Ilaria Chillotti - TFHE Deep Dive, 2021 (2 часа). К этому докладу есть также сопроводительная серия постов: TFHE Deep Dive, 2022 (1,5 часа).
▫️ Про дизайн архитектур нейронных сетей в контексте FHE: Adrien Benamira - TT-TFHE: Torus FHE-Friendly Neural Network Architecture, 2023 (45 минут).
▫️ А сегодня, уже через час там будет вот такой доклад: Pierre-Emmanuel Clet - TFHE functional bootstrapping over multiple inputs. (Записи мероприятий обычно появляются в течение нескольких дней в YouTube канале FHE_org.)

Сообщество FHE_org активно развивает компания zama.ai, они собственно разрабатывают решения и фреймворки и для общих задач FHE и для ML+FHE в частности (Concrete, и вышеупомянутый Concrete ML). Несколько конкретных;) примеров из блога Zama:
▫️ Linear Regression Over Encrypted Data With Homomorphic Encryption, 2023.
▫️ How to Deploy a Machine Learning Model With Concrete ML, 2023.
▫️ [Video tutorial] How To Convert a Scikit-learn Model Into Its Homomorphic Equivalent, 2023.

Помимо Concrete и Zama есть другие решения вокруг FHE и ML, но полноценный обзор их ландшафта оставим как-нибудь на другой раз.

А если хочется погрузиться поподробнее в математику, которая стоит за некоторыми схемами FHE, то рекомендую начать вот c этих записей лекций:
▫️ The 2nd BIU Winter School, Lattice-based Cryptography and Applications, 2012.

www.tgoop.com/noml_digest/554

1.52K viewsPavel Snurnitsyn, edited  Jul 6, 2023 at 13:07

Про гомоморфное шифрование

На прошлой неделе у нас был круглый стол с обсуждением методов конфиденциальной аналитики / Privacy Preserving ML (запись скоро будет опубликована).
Одним из строгих, криптографических подходов конфиденциальной аналитики является полностью гомоморфное шифрование (Fully Homomorphic Encryption, или FHE).

Пара вводных статей про FHE для ML:
▫️ What is Homomorphic Encryption? (С примерами на PySyft), 2020 (15 минут).
▫️ P. Li, F. Michel, J. Wilson - FHE and ML: A Student Perspective with Examples (C примерами на Concrete ML), 2022 (20-30 минут).

Также периодически напоминаю про ресурс fhe.org, там проходит много семинаров и конференций по теме FHE и приложений. Для затравки рекомендую следующее:
▫️ Верхнеуровневое введение: Pascal Paillier - Introduction to Homomorphic Encryption, 2020 (1 час).
▫️ Более детально про одну из конструкций FHE: Ilaria Chillotti - TFHE Deep Dive, 2021 (2 часа). К этому докладу есть также сопроводительная серия постов: TFHE Deep Dive, 2022 (1,5 часа).
▫️ Про дизайн архитектур нейронных сетей в контексте FHE: Adrien Benamira - TT-TFHE: Torus FHE-Friendly Neural Network Architecture, 2023 (45 минут).
▫️ А сегодня, уже через час там будет вот такой доклад: Pierre-Emmanuel Clet - TFHE functional bootstrapping over multiple inputs. (Записи мероприятий обычно появляются в течение нескольких дней в YouTube канале FHE_org.)

Сообщество FHE_org активно развивает компания zama.ai, они собственно разрабатывают решения и фреймворки и для общих задач FHE и для ML+FHE в частности (Concrete, и вышеупомянутый Concrete ML). Несколько конкретных;) примеров из блога Zama:
▫️ Linear Regression Over Encrypted Data With Homomorphic Encryption, 2023.
▫️ How to Deploy a Machine Learning Model With Concrete ML, 2023.
▫️ [Video tutorial] How To Convert a Scikit-learn Model Into Its Homomorphic Equivalent, 2023.

Помимо Concrete и Zama есть другие решения вокруг FHE и ML, но полноценный обзор их ландшафта оставим как-нибудь на другой раз.

А если хочется погрузиться поподробнее в математику, которая стоит за некоторыми схемами FHE, то рекомендую начать вот c этих записей лекций:
▫️ The 2nd BIU Winter School, Lattice-based Cryptography and Applications, 2012.

BY NoML Digest