Google, 동형 암호화로 프라이빗 AI를 실용화

Google은 암호화된 데이터를 복호화하지 않고 AI 추론에 활용하는 오픈소스 컴파일러 HEIR를 Private Computing Toolkit에 추가함 동형 암호화를 이용하면 서버가 암호문을 처리해 암호화된 결과를 반환하므로, 사용자 데이터와 서비스 제공자의 독점 AI 모델을 함께 보호할 수 있음 HEIR는 평문 입력용 사전 학습 AI 모델을 암호화 입력용으로 변환하며, 전문 암호학 팀 없이 암호화 추론을 프로덕션에 도입하는 원클릭 도구를 지향함 콘텐츠 추천, 신용카드 사기 탐지, 암호화 네트워크 트래픽 침입 탐지, 핫워드 탐지 등 4개 애플리케이션을 단일 스레드 CPU 환경에서 시연함 동형 암호화의 연산 비용은 아직 작지 않지만 빠르게 낮아지고 있으며, HEIR는 하드웨어 가속기 기업 및 대학과 협력해 개발 편의성과 실행 성능을 높이고 있음 기존 개인정보 보호 방식의 한계 종단 간 암호화는 데이터 유출로부터 사용자 정보를 보호하지만, 서비스 제공자가 해당 데이터에 의존하는 스팸·바이러스 탐지 같은 기능을 제공하기 어렵게 함 의료와 금융 부문은 데이터 공유 위험에 더 민감하고, 엄격한 규제로 인해 기관 간 데이터 공유도 제한됨 로컬 처리는 기기 성능과 서비스 제공자의 지식재산권 보호 측면에서 제약이 있음 독점 AI 모델을 사용자 기기에 배포하면 모델 유출 위험이 생김 동형 암호화가 절충점을 바꾸는 방식 동형 암호화는 암호화된 데이터에서 직접 연산하고, 기초 정보를 노출하지 않은 채 암호화된 결과를 반환함 이를 이용하면 클라우드 서비스가 사용자의 특성을 직접 보지 않고도 콘텐츠 추천을 제공할 수 있음 연산 비용 오버헤드는 작지 않지만, 기능과 개인정보 보호 사이의 절충을 비용 문제로 바꾸며 그 비용도 빠르게 감소하고 있음 동형 암호화는 Private Information Retrieval 같은 하드웨어 기반 방식과 달리 보안과 개인정보 보호를 암호학적으로 보장함 다만 기존 프로그램을 효율적인 동형 암호화 방식으로 수동 변환하려면 암호학자 팀이 필요함 Google의 프라이빗 컴퓨팅 기술 Google은 사용자 데이터 보호를 위해 여러 기술을 개발해 왔음 차등 개인정보 보호 Private Set Membership Private Information Retrieval Google Cloud 보안 엔클레이브 여기에 동형 암호화를 Private Computing Toolkit의 새로운 구성 요소로 추가함 HEIR 컴파일...