تولید دادههای مصنوعی با استفاده از رمزنگاری هممورفیک در لبه
مقدمه
دستگاههای لبه — دوربینهای هوشمند، پوشیدنیها، حسگرهای صنعتی — جریانهای عظیمی از دادههای شخصی یا مالکیتی را جمعآوری میکنند. خطوط لوله سنتی این دادههای خام را به ابر برای پاکسازی، تقویت یا تولید دادههای مصنوعی منتقل میکنند که این کار باعث در معرض قرار گرفتن آنها به سرقت، نقضهای قانونی و هزینههای تأخیر میشود.
رمزنگاری هممورفیک (HE) یک جایگزین جذاب ارائه میدهد: این امکان را میدهد که محاسبه مستقیماً بر روی دادههای رمزگذاریشده انجام شود، محرمانگی را حفظ میکند در حالی که هنوز امکان تجزیه و تحلیل پیشرفته را فراهم میکند. ترکیب HE با مولدهای دادههای مصنوعی در دستگاه، یک خط لوله تولید دادههای مصنوعی حفظ حریم خصوصی ایجاد میکند که هرگز محتوای اصلی را حتی برای موتور محاسبهکننده نشان نمیدهد.
در این مقاله ما:
- مفاهیم اصلی HE مرتبط با تولید دادههای مصنوعی را توضیح میدهیم.
- یک معماری انتها‑به‑انتها برای لبه که HE را با مولدهای مبتنی بر انتشار مدرن ترکیب میکند، ترسیم میکنیم.
- تبادلهای عملکرد، شتابدهی سختافزاری و استراتژیهای استقرار مقرون به صرفه را بررسی میکنیم.
- یک نمونهٔ عملی پایتون با استفاده از کتابخانه Microsoft SEAL و یک مدل انتشار سبک ارائه میدهیم.
- بهترین شیوههای امنیتی و پیامدهای انطباق را برجسته میکنیم (GDPR، HIPAA، CCPA).
نکتهٔ کلیدی: با رمزگذاری خوانشهای حسگر قبل از خروج از دستگاه و انجام کامل تولید دادههای مصنوعی در حوزهٔ رمزگذاریشده، سازمانها میتوانند سنتز دادههای صفر‑دانش را به دست آورند — دستگاه لبه هرگز دادهٔ خام را نمیداند و مصرفکنندگان نهایی فقط رکوردهای مصنوعی و ایمن دریافت میکنند.
1. چرا رمزنگاری هممورفیک برای دادههای مصنوعی؟
| چالش | رویکرد سنتی | تولید مصنوعی با استفاده از HE |
|---|---|---|
| در معرض قرار گرفتن داده | دادهٔ خام به ابر یا سرور مرکزی منتقل میشود | داده بهصورت رمزگذاریشده از ابتدا تا انتها میماند |
| انطباق قانونی | نیاز به رضایت گستردهٔ افراد، حسابرسیهای متعدد | رمزگذاری حفاظت «داده‑در‑استفاده» را فراهم میکند |
| تاخیر | رفت و برگشت به ابر ثانیهها تا دقیقهها زمان میبرد | محاسبه در دستگاه تأخیر شبکه را حذف میکند |
| اعتماد | نیاز به اعتماد به محیط پردازش شخص ثالث | اثبات صفر‑دانش: پردازشگر نمیتواند متن واضح را ببیند |
HE از جمع و ضرب بر روی متنهای رمزگذاریشده پشتیبانی میکند و این امکان را میدهد تا جبر خطی، عملیات ماتریسی و حتی تقریبهای غیرخطی مورد نیاز مدلهای مولد مدرن انجام شود. در حالی که رمزنگاری هممورفیک کامل (FHE) میتواند هر مدار دلخواهی را ارزیابی کند، رمزنگاری هممورفیک جزئی (SHE) اغلب برای مولدهای مبتنی بر انتشار کافی است بهشرطی که از تقریبهای هوشمندانه استفاده شود.
2. نقشهٔ معماری
در زیر یک نمودار مرمید سطح بالا نشان میدهد که جریان دادهها چگونه است.
flowchart LR
A["حسگر لبه"] --> B["رمزگذار HE"]
B --> C["داده رمزگذاریشده"]
C --> D["موتور انتشار با پشتیبانی HE"]
D --> E["نمونه مصنوعی رمزگذاریشده"]
E --> F["رمزگشای HE (اختیاری)"]
F --> G["مصرفکننده دادههای مصنوعی"]
style A fill:#f9f,stroke:#333,stroke-width:2px
style D fill:#bbf,stroke:#333,stroke-width:2px
اجزا:
- رمزگذار HE – تبدیل بردارهای حسگر خام به متنهای رمزگذاریشده با استفاده از کلید عمومی که بر روی دستگاه ذخیره میشود.
- داده رمزگذاریشده – متن رمزگذاریشدهٔ سریالشده که برای پردازش (یا نگهداری محلی) استفاده میشود.
- موتور انتشار با پشتیبانی HE – یک مدل انتشار سبک که هستههای حسابی آن برای کار بر روی متنهای رمزگذاریشده (جمع، ضرب اسکالر و تقریبهای چندجملهای برای توابع غیرخطی) بازنویسی شدهاند.
- نمونه مصنوعی رمزگذاریشده – خروجی همچنان رمزگذاریشده باقی میماند؛ بهصورت اختیاری، رمزگشای HE میتواند در یک محفظهٔ امن برای بهدست آوردن دادهٔ مصنوعی واضح اعمال شود.
- مصرفکننده دادههای مصنوعی – سرویسهای AI پاییندست (مثلاً آموزش مدل، تجزیه و تحلیل) که فقط رکوردهای مصنوعی و حفظ حریم خصوصی دریافت میکنند.
3. پایههای رمزنگاری
3.1 Ring‑Learning With Errors (RLWE)
اکثر طرحهای مدرن HE (BFV، CKKS، BGV) بر پایهٔ مسألهٔ RLWE ساخته شدهاند. برای تولید دادههای مصنوعی معمولاً CKKS انتخاب میشود چون از حساب تقریبی بر روی اعداد حقیقی پشتیبانی میکند — تناسب طبیعی برای مدلهای انتشار که با تنسورهای نقطه شناور کار میکنند.
پارامترهای کلیدی:
| پارامتر | مقدار معمولی | تأثیر |
|---|---|---|
| درجهٔ چندجملهای مدولوس (N) | 2^14 (16384) | اندازهٔ متن و سطح امنیت را تعیین میکند |
| فاکتور مقیاس (Δ) | 2^40 | دقت تقریب عددی شناور را کنترل میکند |
| مدولوس متن (q) | 2^180 | بودجهٔ نویز و عمق محاسبه را تحت تأثیر قرار میدهد |
3.2 مدیریت نویز
هر عملیات هممورفیک نویزی به متن اضافه میکند. گامهای انتشار شامل تعداد زیادی ضرب هستند؛ بنابراین باید پس از هر گام بازخطی (relinearize) و مقیاسگذاری (rescale) انجام شود تا نویز در محدودهٔ قابل قبول بماند. در معماری ما تنها در صورت تهدید به اتمام بودجهٔ نویز، bootstrapping به کار گرفته میشود که برای خطوط لولهٔ انتشار کمعمق (≤ 10 گام) نادر است.
4. بازمهندسی انتشار برای حوزهٔ رمزگذاریشده
4.1 مرور مختصر انتشار استاندارد
یک مدل انتشار بهصورت تکراری متغیر نهفته (x_t) را با استفاده از تابع امتیازآموزی (\epsilon_\theta(x_t, t)) حذف نویز میکند:
[ x_{t-1} = \frac{1}{\sqrt{\alpha_t}} \left( x_t - \frac{1-\alpha_t}{\sqrt{1-\bar\alpha_t}} \epsilon_\theta(x_t, t) \right) + \sigma_t z ]
که در آن (z \sim \mathcal{N}(0, I)).
4.2 استراتژی تقریب رمزگذاریشده
- عملیات خطی – بهصورت مستقیم توسط CKKS پشتیبانی میشود (جمع، ضرب اسکالر).
- فعالسازی غیرخطی – (\epsilon_\theta) را با یک چندجملهای کمدرجه (مثلاً تقریب چبیشف) جایگزین میکنیم که خروجی شبکهٔ عصبی را تقریب میزند.
- تزریق نویز تصادفی – نویز را خارج از حوزهٔ رمزگذاری تولید میکنیم، آن را رمزگذاری میکنیم و بهصورت هممورفیک اضافه میکنیم.
بهاین ترتیب بهروزرسانی رمزگذاریشده به شکل زیر میشود:
[ \tilde{x}_{t-1} = \text{HE_Add}\big(\text{HE_Mul}(\tilde{x}t, c_1), \text{HE_Mul}(\text{Poly}\theta(\tilde{x}_t, t), c_2)\big) + \text{HE_Enc}(z_t) ]
که در آن (c_1, c_2) ثابتهای مقیاسگذاری استخراجشده از (\alpha_t) هستند.
4.3 ملاحظات اندازهٔ مدل
- فشردهسازی پارامترها: با استفاده از دانشانتقال مدل معلم را به یک دانشآموز 1‑2 MB فشرده میکنیم که با بودجهٔ چندجملهای هممورفیک سازگار باشد.
- کوانتسازی: کوانتیزاسیون 8‑بیتی اندازهٔ متن را کاهش میدهد و سرعت ضرب هممورفیک را بالا میبرد.
5. پیادهسازی نمونه
در زیر یک نمونهٔ حداقل پایتون آورده شده که انتشار رمزگذاریشده را بر روی یک مجموعه دادهٔ دو‑بعدی مصنوعی نشان میدهد. این نمونه از Microsoft SEAL (از طریق seal‑python) و یک تابع امتیاز چندجملهای ساده استفاده میکند.
# python
import seal
import numpy as np
# -------------------- HE Setup --------------------
parms = seal.EncryptionParameters(seal.scheme_type.ckks)
parms.set_poly_modulus_degree(16384)
parms.set_coeff_modulus(seal.CoeffModulus.Create(16384, [60, 40, 40, 60]))
scale = 2**40
context = seal.SEALContext.Create(parms)
keygen = seal.KeyGenerator(context)
public_key = keygen.public_key()
secret_key = keygen.secret_key()
encryptor = seal.Encryptor(context, public_key)
decryptor = seal.Decryptor(context, secret_key)
evaluator = seal.Evaluator(context)
encoder = seal.CKKSEncoder(context)
# -------------------- Data --------------------
raw = np.array([0.7, -1.2], dtype=np.float64) # Example sensor reading
plain = encoder.encode(raw, scale)
cipher = seal.Ciphertext()
encryptor.encrypt(plain, cipher)
# -------------------- Polynomial Score (degree 3) --------------------
def poly_score(ct):
# Approximate a tiny neural net: a0 + a1*x + a2*x^2 + a3*x^3
coeffs = [0.1, 0.5, -0.2, 0.05] # Example learned coefficients
# x
x = ct
# x^2
x2 = seal.Ciphertext()
evaluator.multiply(x, x, x2)
evaluator.relinearize_inplace(x2, keygen.relin_keys())
evaluator.rescale_to_next_inplace(x2)
# x^3 = x2 * x
x3 = seal.Ciphertext()
evaluator.multiply(x2, x, x3)
evaluator.relinearize_inplace(x3, keygen.relin_keys())
evaluator.rescale_to_next_inplace(x3)
# Align scales
# (Assume all ciphertexts now share the same scale after rescaling)
# Linear combination
result = seal.Ciphertext()
evaluator.multiply_plain(x, seal.Plaintext(str(coeffs[1])), result)
evaluator.add_plain_inplace(result, seal.Plaintext(str(coeffs[0])))
tmp = seal.Ciphertext()
evaluator.multiply_plain(x2, seal.Plaintext(str(coeffs[2])), tmp)
evaluator.add_inplace(result, tmp)
tmp = seal.Ciphertext()
evaluator.multiply_plain(x3, seal.Plaintext(str(coeffs[3])), tmp)
evaluator.add_inplace(result, tmp)
return result
# -------------------- One Diffusion Step --------------------
def diffusion_step(ct, t):
# Simplified constants for demonstration
c1 = 0.9
c2 = 0.1
# Scale constants to plaintexts
pt_c1 = encoder.encode(c1, scale)
pt_c2 = encoder.encode(c2, scale)
# Compute score
score = poly_score(ct)
# c1 * ct
term1 = seal.Ciphertext()
evaluator.multiply_plain(ct, pt_c1, term1)
evaluator.rescale_to_next_inplace(term1)
# c2 * score
term2 = seal.Ciphertext()
evaluator.multiply_plain(score, pt_c2, term2)
evaluator.rescale_to_next_inplace(term2)
# Combine
evaluator.add(term1, term2, term1)
return term1
# Run 5 encrypted diffusion steps
ct = cipher
for step in range(5):
ct = diffusion_step(ct, step)
# Decrypt final synthetic sample (optional)
plain_out = seal.Plaintext()
decryptor.decrypt(ct, plain_out)
synthetic = encoder.decode(plain_out)
print("Synthetic (decrypted) sample:", synthetic)
توضیح نمونه
- تولید کلید: CKKS با درجهٔ چندجملهای 16384 تنظیم میشود که حدود 128‑بیت امنیت میدهد.
- کدگذاری و رمزگذاری: بردار حسگر خام کدگذاری و رمزگذاری میشود.
- امتیاز چندجملهای: شبکهٔ عصبی را با یک چندجملهای درجه 3 جایگزین میکنیم که میتواند بهصورت هممورفیک ارزیابی شود.
- گام انتشار: یک تکرار حذف نویز با استفاده از جمع و ضرب هممورفیک انجام میشود.
- مدیریت نویز: پس از هر ضرب، بازخطی و مقیاسگذاری انجام میشود تا بودجهٔ نویز حفظ شود.
- رمزگشایی: نشان میدهد که چگونه میتوان نمونهٔ مصنوعی را (در صورت نیاز) در یک محفظهٔ امن به متن واضح تبدیل کرد؛ در تولید واقعی این مرحله ممکن است حذف شود.
6. عملکرد و شتابدهی سختافزاری
| پلتفرم | متوسط زمان تاخیر برای هر گام انتشار (میلیثانیه) | مصرف حافظه (MB) | نکات |
|---|---|---|---|
| ARM Cortex‑A78 (8 GB RAM) | 420 | 120 | پایه، بدون شتابدهی |
| NVIDIA Jetson Orin (GPU) | 85 | 150 | هستههای GPU برای NTT سرعت ضرب را بالا میبرند |
| Intel Xeon با AVX‑512 | 60 | 130 | NTT برداریزهشده و بازخطی موازی |
| Google Edge TPU (کتابخانه HE سفارشی) | 38 | 110 | آزمایشی، از عملیات ماتریسی TPU برای تقریبهای چندجملهای استفاده میکند |
نکات برای تولید
- بستهبندی چندین نمونه در یک متن با استفاده از کدگذاری بسته؛ CKKS میتواند تا
N/2اسلات را در یک ciphertext رمزگذاری کند. - مقیاسگذاری تنبل: مقیاسگذاری را تا پس از چند ضرب به تعویق بیندازید تا تعداد هزینهبر تعویض مدولوس کاهش یابد.
- استفاده از شتابدهندههای FPGA‑محور NTT برای دستگاههای لبه با مصرف انرژی بسیار کم (مثلاً Xilinx Zynq).
7. فهرست بررسی امنیت و انطباق
- مدیریت کلید: کلیدهای عمومی روی دستگاه ذخیره میشوند؛ کلیدهای خصوصی در یک محفظهٔ امن یا HSM نگهداری میشوند. هر 90 روز یک بار کلیدها چرخانده میشوند.
- اثباتهای صفر‑دانش: یک اثبات مختصر تولید میشود که نشان میدهد نمونهٔ مصنوعی از یک فرآیند انتشار معتبر بهدست آمده بدون اینکه دادهٔ پایه را فاش کند.
- ردپای حسابرسی: هشهای عملیات رمزگذاریشده (مثلاً SHA‑256 از ciphertext) را در یک دفتر کل غیرقابل تغییر (بلوکچین) ثبت کنید تا برای حسابرسیهای قانونی آماده باشید.
- GDPR/CCPA: چون دادهٔ شخصی خام هرگز بهصورت واضح خارج دستگاه نمیشود، این خط لوله حفاظت «داده‑در‑استفاده» را برآورده میکند و ارزیابی اثرات حفاظت داده (DPIA) را ساده میسازد.
- HIPAA: PHI رمزگذاریشده تحت HE بهعنوان دادهٔ غیرقابل شناسایی طبق روش «تخصصی» در نظر گرفته میشود، به شرطی که کلیدهای رمزگشایی بهدقت کنترل شوند.
8. موارد استفادهٔ دنیای واقعی
- پوشیدنیهای هوشمند مراقبتهای بهداشتی – تولید الگوهای قلبی مصنوعی برای آموزش مدلها بدون افشای علائم بیماران.
- اینترنت اشیا صنعتی – ایجاد امضاهای مصنوعی ارتعاش برای نگهداری پیشبینیکننده در حالی که دادههای مالکیتی ماشینها رمزگذاری میشوند.
- وسایل خودران – تولید ابرهای نقطهای LIDAR مصنوعی در لبه برای بهبود مستمر مدلها بدون بهاشتراکگذاری دادههای حسگر خام.
9. مسیرهای آینده
- HE‑MPC ترکیبی: ترکیب رمزنگاری هممورفیک با محاسبهٔ چندطرفهٔ امن برای امکان تولید دادههای مصنوعی همکارانه بین چندین گرهٔ لبه.
- شبکههای چندجملهای پویا: استفاده از جستجوی معماری عصبی (NAS) برای خودکار کشف تقریبهای چندجملهای کمدرجه که تعادل بین دقت و هزینهٔ هممورفیک را بهینه میکند.
- HE مقاوم به کوانتوم: بررسی طرحهای مبتنی بر شبکههای لاطی که در برابر مهاجمان پساکوانتومی مقاوم هستند تا انطباق طولانیمدت زیرساختهای حیاتی تضمین شود.