Score:0

การแยก/เรียนรู้ข้อมูลจากโครงร่างโฮโมมอร์ฟิคทั้งหมด

ธง cn

ในรูปแบบโฮโมมอร์ฟิคเต็มรูปแบบของ BFV เมื่อกำหนดรหัสลับพหุนาม เราสามารถเข้ารหัสข้อความธรรมดาพหุนามและสร้างข้อความไซเฟอร์พหุนามได้

ตัวอย่างเช่น ถ้าเรามีไซเฟอร์เท็กซ์ 2 ตัว เราสามารถเปรียบเทียบพวกมันกับฟังก์ชันน้อยกว่า ซึ่งเป็น 1 ถ้าสัมประสิทธิ์พหุนามทางซ้ายน้อยกว่าหรือเท่ากับทางขวา และ 0 อย่างอื่น อย่างไรก็ตาม ผลลัพธ์ยังเป็นพหุนามที่เข้ารหัส ซึ่งเมื่อถอดรหัสแล้ว จะให้ตัวเลข 0 และ 1 เหล่านี้

คำถามคือจะดึงข้อมูลออกมาได้อย่างไร? จะเรียนรู้จากข้อมูลที่เข้ารหัสโดยไม่ต้องถอดรหัสได้อย่างไร

สมมติว่าฉันต้องการจัดเก็บละติจูดที่เข้ารหัสของลูกค้า และดูว่าพวกเขาเดินทางมากกว่า 100 กม. ในหนึ่งวันหรือไม่ ฉันจะดึงข้อมูลดังกล่าวได้อย่างไร ฉันสามารถคำนวณความแตกต่างระหว่าง 2 ละติจูดได้อย่างแน่นอน แต่มันจะเป็นความแตกต่างที่เข้ารหัส แล้วไง?

kelalaka avatar
in flag
ไม่ คุณไม่สามารถเรียนรู้ได้ว่าคุณต้องถอดรหัส หากคุณดูที่ [FHE Circuits](https://crypto.stackexchange.com/q/63781/18298) คุณจะเห็นว่าต้องใช้ข้อมูลที่เข้ารหัสเพื่อสร้างวงจรและถอดรหัสในที่สุด ทำให้วงจรมีขนาดใหญ่ขึ้น และแทบจะเป็นไปไม่ได้เลยที่จะสร้างอัลกอริทึมการเรียงลำดับอย่าง Quicksort ท้ายที่สุดนี่คือคุณสมบัติที่ดีของ FHE ที่เราต้องการ...
kelalaka avatar
in flag
ถ้าคุณสามารถเรียนรู้ได้โดยไม่ต้องถอดรหัส แสดงว่าคุณทำลายแผนใช่ไหม **แล้วไงล่ะ** คุณต้องการบรรลุอะไร?
Paprika avatar
cn flag
@kelalaka แน่นอน แต่ฉันเคยเห็นสิ่งที่เรียนรู้ด้วยเครื่อง เป็นเช่นนั้นหรือไม่ที่เซิร์ฟเวอร์เรียนรู้ในรูปแบบการเข้ารหัส (ซึ่งไม่มีประโยชน์สำหรับเขา) แต่ส่งมอบสิ่งที่เรียนรู้เพื่อให้ไคลเอนต์ถอดรหัส
kelalaka avatar
in flag
ใช่ คุณ[เข้ารหัสและส่งเซิร์ฟเวอร์](https://crypto.stackexchange.com/a/88776/18298) และเซิร์ฟเวอร์ดำเนินการและให้ผลลัพธ์ในรูปแบบที่เข้ารหัส
kelalaka avatar
in flag
ไม่ใช่สำหรับ AI ในการเรียนรู้ ข้อความไซเฟอร์นั้นแยกไม่ออกจากการสุ่ม การเข้ารหัสมีความพร้อมมากขึ้นเมื่อเทียบกับ AI เมื่อหลายปีก่อน
meshcollider avatar
gb flag
นอกจากนี้ยังมีแนวคิดเรื่อง "การทดสอบเป็นศูนย์" เช่น การเรียนรู้ว่าค่าที่เข้ารหัสเป็นศูนย์หรือไม่โดยไม่ต้องเรียนรู้ว่ามันคืออะไร สิ่งนี้อาจมีประโยชน์ในบางสถานการณ์ (เช่น การทดสอบความเท่าเทียมกันโดยการลบและการทดสอบเป็นศูนย์)
knaccc avatar
es flag
มีวิธีแก้ไขปัญหาของคุณที่ง่ายกว่ามาก ละติจูดอยู่ในช่วง -90 ถึง 90 หรือเพื่อให้ง่ายขึ้น ให้พิจารณาเป็นตัวเลขระหว่าง 0 ถึง 180 แทน จากนั้นไคลเอ็นต์แต่ละรายจะเลือกปัจจัยที่ทำให้ไม่เห็นแบบสุ่ม $b$ ระหว่าง 0 ถึง 180 และรายงานละติจูดของพวกเขาให้คุณทราบ เป็น $latitude + b$ $mod 180$ ตอนนี้คุณสามารถสังเกตระยะทางละติจูดที่พวกเขาเดินทางได้อย่างง่ายดาย โดยไม่รู้ว่าละติจูดของพวกเขาคืออะไร หรือเป็นละติจูดเดียวกันกับไคลเอ็นต์อื่นๆ หรือไม่
Score:0
ธง sa

โดยทั่วไปแล้ว คุณไม่สามารถเรียนรู้จากไซเฟอร์เท็กซ์ได้หากไม่มีการถอดรหัส และนี่คือสิ่งที่เราต้องการ ความสามารถในการดึงข้อมูลจำนวนเล็กน้อยรวมกับความสามารถในการคำนวณโดยทั่วไปจะทำลายความลับโดยสิ้นเชิง

สิ่งที่คุณทำขึ้นอยู่กับสิ่งที่คุณต้องการทำและการตั้งค่าของคุณคืออะไร

วิธีหนึ่งคือวิธีที่คุณพูดถึงในความคิดเห็น โดยที่ฝ่ายหนึ่งสร้างการเข้ารหัสข้อมูลลับ (น่าจะ) อีกฝ่ายใช้วงจรลับ (น่าจะ) กับข้อความเข้ารหัส ดังนั้นฝ่ายแรกสามารถถอดรหัสผลลัพธ์ได้ นี่คือเหตุผลที่ความคิดที่แข็งแกร่งของความเป็นส่วนตัวของวงจรมีอยู่

ในการตั้งค่าอื่นๆ อาจมีบุคคลที่สามที่เชื่อถือได้ที่สามารถถอดรหัสได้

หากเป็นไปได้ที่จะแจกจ่ายการดำเนินการถอดรหัส เราสามารถแทนที่บุคคลที่สามที่เชื่อถือได้ด้วยชุดของกลุ่มบุคคลที่น่าเชื่อถือน้อยกว่า

นี่เป็นแนวทางทั่วไป จะมีวิธีการเฉพาะสำหรับสถานการณ์พิเศษมากขึ้น

โพสต์คำตอบ

คนส่วนใหญ่ไม่เข้าใจว่าการถามคำถามมากมายจะปลดล็อกการเรียนรู้และปรับปรุงความสัมพันธ์ระหว่างบุคคล ตัวอย่างเช่น ในการศึกษาของ Alison แม้ว่าผู้คนจะจำได้อย่างแม่นยำว่ามีคำถามกี่ข้อที่ถูกถามในการสนทนา แต่พวกเขาไม่เข้าใจความเชื่อมโยงระหว่างคำถามและความชอบ จากการศึกษาทั้ง 4 เรื่องที่ผู้เข้าร่วมมีส่วนร่วมในการสนทนาด้วยตนเองหรืออ่านบันทึกการสนทนาของผู้อื่น ผู้คนมักไม่ตระหนักว่าการถามคำถามจะมีอิทธิพลหรือมีอิทธิพลต่อระดับมิตรภาพระหว่างผู้สนทนา