محققان پروتکل امنیتی کوانتومی برای یادگیری عمیق ابری با حفظ ۹۶ درصد دقت توسعه دادند

محققان موسسه فناوری ماساچوست با گسترش یک پروتکل امنیتی مبتنی بر اصول مکانیک کوانتوم، امنیت داده‌ها را در فرآیند یادگیری عمیق مبتنی بر ابر به طور قابل توجه‌ی ارتقا دادند.

این پروتکل نوآورانه با رمزگذاری داده‌ها در نور لیزر، امکان انتقال ایمن اطلاعات را بدون به خطر انداختن دقت مدل‌های یادگیری عمیق فراهم می‌آورد؛ نتایج آزمایش‌ها نشان می‌دهد که پروتکل قادر است با نگه‌داشتن ۹۶ درصد دقت مدل، حریم خصوصی داده‌های کاربران و جزئیات مدل را به طور کامل تضمین نماید.

مدل‌های یادگیری عمیق به دلیل توانایی در کشف الگو‌های پیچیده در داده‌های بزرگ، در حوزه‌هایی نظیر تشخیص پزشکی، مالی و بسیاری دیگر کاربرد گسترده دارند، اما اجرای آن‌ها نیازمند منابع محاسباتی عظیم است که معمولا در ابر تامین می‌شود؛ این وابستگی، نگرانی‌های امنیتی جدی را به ویژه در بخش‌های حساس مانند سلامت به وجود آورده است.

پروتکل پیشن‌هادی از ویژگی‌های منحصر به فرد مکانیک کوانتوم بهره می‌برد داده‌ها به صورت کوانتومی رمزگذاری شده و از طریق فیبر‌های نوری منتقل می‌گردند؛ هر‌گونه تلاش برای کپی‌برداری یا رهگیری اطلاعات، اختلال در حالت کوانتومی ایجاد کرده و بلافاصله قابل تشخیص است، در حالی که لایه‌های امنیتی اضافه شده تأثیر معناداری بر دقت مدل‌ها ندارد و پیاده‌سازی آن نیازی به سخت‌افزار اضافه ندارد.

محققان معتقدند این پروتکل می‌تواند در حوزه‌هایی نظیر یادگیری فدرال و محاسبات کوانتومی کاربرد یابد؛ یادگیری فدرال روشی برای آموزش مدل‌ها روی داده‌های توزیع شده بدون انتقال داده‌های خام به سرور مرکزی است و این پروتکل می‌تواند امنیت آن را به شدت تقویت نماید.

گسترش این پروتکل امنیتی مبتنی بر کوانتوم، گامی مهم در جهت برقراری سیستم‌های محاسباتی ایمن و قابل اعتماد برای یادگیری عمیق ابری محسوب می‌شود؛ با گسترش کاربرد‌های هوش مصنوعی، اهمیت حفظ حریم خصوصی داده‌ها بیش از پیش احساس می‌شود و این دستاورد می‌تواند نقش کلیدی در اطمینان از امنیت اطلاعات کاربران ایفا کند.