Как используются вложения для полностью гомоморфного c шифрования?

Question

Как именно вы выполняете одностороннее шифрование с использованием вложений из глубокой нейронной сети?

Полностью гомоморфное c шифрование (FHE) приносит пользу обществу, обеспечивая полную конфиденциальность. Алгоритм распознавания личных данных использует FHE для включения зашифрованных операций сопоставления и поиска в зашифрованном наборе данных без каких-либо требований к хранению, передаче или использованию биометрических данных или шаблонов биометрии c с открытым текстом. Данные biometri c необратимо анонимизируются с использованием алгоритма односторонней криптографии c ha sh, а затем удаляются без того, чтобы данные никогда не покидали локальное устройство.

Мой вопрос в том, как именно это использует вложения выполнить sh это? Откуда берутся вложения?

Answer 1

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.

Эти значения обладают интересными свойствами. Они могут работать как одностороннее шифрование. Они также тесно связаны с первоначальным вводом. В геометрии c расстояние (косинус, евклидово) значения близки к аналогичным входным данным. Это означает, что два изображения моего лица будут ближе (геометрически), чем изображение двух разных людей. Это свойство позволяет выполнять операции с результирующим 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, и встраивание происходит из DNN.

Впоследствии мы обнаружили, что вторая DNN позволяет классифицировать, но только с использованием вложений. Теперь у нас есть конфиденциальность и производительность.