محققان یک پروتکل امنیتی مبتنی بر اصول مکانیک کوانتوم توسعه دادند

محققان موسسه فناوری ماساچوست (MIT) موفق به توسعه یک پروتکل امنیتی مبتنی بر اصول مکانیک کوانتوم شده‌اند که به طور قابل توجهی امنیت داده‌ها را در فرآیند یادگیری عمیق مبتنی بر ابر ارتقا می‌دهد.

به گزارش دپارتمان اخبار علمی رسانه فناوری تکنا، این پروتکل نوآورانه با رمزگذاری داده‌ها در نور لیزر، امکان انتقال ایمن اطلاعات را بدون به خطر انداختن دقت مدل‌های یادگیری عمیق فراهم می‌کند. نتایج آزمایش‌ها نشان می‌دهد که این پروتکل قادر است با حفظ ۹۶ درصد دقت مدل، حریم خصوصی داده‌های کاربران و جزئیات مدل را به طور کامل تضمین کند. این دستاورد گامی مهم در جهت توسعه محاسبات امن در حوزه هوش مصنوعی محسوب می‌شود.

مدل‌های یادگیری عمیق به دلیل توانایی آن‌ها در یادگیری الگوهای پیچیده در داده‌های بزرگ، به طور گسترده‌ای در حوزه‌های مختلفی مانند تشخیص پزشکی، مالی و بسیاری دیگر مورد استفاده قرار می‌گیرند. با این حال، اجرای این مدل‌ها به منابع محاسباتی عظیمی نیاز دارد که معمولاً در ابر فراهم می‌شود. وابستگی به ابر، نگرانی‌هایی را در خصوص امنیت داده‌ها به ویژه در حوزه‌های حساس مانند سلامت ایجاد می‌کند.

محققان MIT برای رفع این چالش، پروتکلی را ارائه کرده‌اند که از خواص منحصر به فرد مکانیک کوانتوم بهره می‌برد. در این پروتکل، داده‌ها به صورت کوانتومی رمزگذاری شده و سپس از طریق فیبرهای نوری منتقل می‌شوند. به دلیل ویژگی‌های ذاتی اطلاعات کوانتومی، هرگونه تلاش برای کپی‌برداری یا رهگیری اطلاعات منجر به اختلال در آن شده و قابل تشخیص خواهد بود.این پروتکل با بهره‌گیری از اصول مکانیک کوانتوم، تضمین می‌کند که داده‌های حساس کاربران در طول فرآیند محاسبات محافظت شوند. علی‌رغم لایه‌های امنیتی اضافه شده، این پروتکل تأثیر قابل توجهی بر دقت مدل‌های یادگیری عمیق ندارد و عملکرد آن‌ها را به میزان قابل توجهی حفظ می‌کند. از آنجایی که بسیاری از سیستم‌های ارتباطی از فیبرهای نوری استفاده می‌کنند، این پروتکل می‌تواند بدون نیاز به سخت‌افزار اضافی پیاده‌سازی شود.

محققان معتقدند که این پروتکل می‌تواند در حوزه‌های مختلفی مانند یادگیری فدرال (Federated Learning) و محاسبات کوانتومی کاربرد داشته باشد. یادگیری فدرال روشی برای آموزش مدل‌های یادگیری عمیق بر روی داده‌های توزیع شده در چندین دستگاه است، بدون اینکه نیاز به انتقال داده‌های خام به یک سرور مرکزی باشد. این پروتکل می‌تواند به طور قابل توجهی امنیت این روش را افزایش دهد.

توسعه این پروتکل امنیتی مبتنی بر کوانتوم، گامی مهم در جهت ایجاد سیستم‌های محاسباتی ایمن و قابل اعتماد برای یادگیری عمیق مبتنی بر ابر محسوب می‌شود. با گسترش کاربردهای هوش مصنوعی در حوزه‌های مختلف، اهمیت حفظ حریم خصوصی داده‌ها بیش از پیش احساس می‌شود و این دستاورد می‌تواند نقش مهمی در اطمینان از امنیت داده‌های کاربران ایفا کند.