ช่วงหลังเราเริ่มเห็นการเข้ารหัสแบบ Fully Homomorphic Encryption (FHE) กันมากขึ้น เช่น ข่าวโครงการ DPRIVE ของ DARPA ที่จับมือกับภาคเอกชนหลายรายเพื่อพัฒนาชิปเฉพาะกิจ ช่วยให้ประมวลผล FHE ได้เร็วกว่าเดิม
FHE เป็นการปฏิวัติวิธีคิดเรื่องการเข้ารหัส (encryption) แบบเดิมๆ ที่ใช้กันมาเป็นพันปี (Caesar cipher)
แนวคิดของการเข้ารหัสแบบดั้งเดิมมีไว้เพื่อปกป้องสารที่อยู่ภายในไม่ให้คนอื่นเข้าใจ ทั้งในระหว่างจัดเก็บ (storage) และขนส่ง (transport) แต่เมื่อรหัสถูกส่งถึงปลายทาง จะต้องถอดรหัส (decrypt) กลับมาเป็นข้อความเดิมที่ไม่ได้เข้ารหัส (plaintext) เพื่อนำไปประมวลผล (compute) ต่อ
แนวคิดของ FHE คือการเข้ารหัสด้วยโมเดลทางคณิตศาสตร์ ที่สามารถนำไปประมวลผลต่อได้โดยไม่ต้องถอดรหัสก่อน เท่ากับว่าในกระบวนการทั้ง 3 (storage, transport, compute) ข้อความจะถูกเข้ารหัสอยู่ตลอดเวลา ประโยชน์ของมันคือการใช้งานวิเคราะห์ข้อมูลบางอย่าง ภายใต้เงื่อนไขว่าไม่ต้องการให้รู้ข้อมูลสำคัญที่เก็บอยู่ภายใน เช่น ข้อมูลทางการเงินหรือสุขภาพของบุคคล
FHE เป็นไอเดียที่ถูกพูดถึงในโลกคอมพิวเตอร์มาหลายสิบปีแล้ว แต่มาเป็นจริงได้ครั้งแรกในปี 2009 โดย Craig Gentry นักวิจัยของ IBM Research ในตอนนั้น เสนออัลกอริทึม FHE (ตัวอัลกอริทึมค่อนข้างซับซ้อน ใครสนใจอ่านได้จาก เปเปอร์ของ Gentry ตีพิมพ์ใน ACM เมื่อปี 2009)
อย่างไรก็ตาม ข้อเสียของ FHE คือการประมวลผลต้องใช้เวลานานมาก อัลกอริทึมต้นฉบับของ Gentry ต้องใช้เวลาประมวลผลนานถึง 30 นาทีต่อ 1 bit operation ทำให้ในทศวรรษถัดมา โลกคอมพิวเตอร์จึงพัฒนาเทคนิคการเข้ารหัส FHE แบบใหม่ๆ ที่มีประสิทธิภาพสูงขึ้น เช่น Brakerski-Gentry-Vaikuntanathan (BGV) ที่ร่วมพัฒนาโดยตัว Gentry เอง หรือ Cheon-Kim-Kim-Song (CKKS) จากทีมของมหาวิทยาลัยแห่งชาติกรุงโซล ที่ใช้เรื่องตัวเลขประมาณ (approximate number) มาช่วยให้ไม่ต้องแปลรหัสแบบแม่นยำมากนัก แต่ลดระยะเวลาทำงานลงได้
เนื่องจากโจทย์ของวงการ FHE ต้องหาจุดสมดุลระหว่างความปลอดภัยกับความเร็วในการใช้งาน จึงต้องยอมให้ใช้ข้อมูลประมาณการณ์แทน เมื่อบวกกับพลังการคำนวณที่เพิ่มขึ้นเรื่อยๆ ตามกาลเวลา แนวทางใหม่ๆ ของโลก FHE ยุคหลังคือใช้ machine learning มาช่วยอ่านข้อมูลของข้อความที่เข้ารหัสแล้ว เพื่อพยากรณ์ผลที่เป็นไปได้แบบยอมรับได้
ข้อมูลของ IBM ตอนนี้ระบุว่าเราสามารถประมวลผล 1 บิตโดยใช้เวลาหลัก “วินาที” (seconds) ได้แล้ว ซึ่งเร็วกว่าในอดีตมาก และเริ่มพอใช้งานได้จริงสำหรับการใช้งานบางประเภทแล้ว
IBM ในฐานะบ้านเกิดของ FHE ก็ผลักดันเรื่องนี้มาตลอด โดยออกไลบรารี HElib เป็นโอเพนซอร์ส มารองรับการเข้ารหัส FHE ทั้งแบบ BGV และ CKKS รวมถึงยังมี FHE Toolkit ที่รวมเอา HElib และเครื่องมืออื่นๆ ในฝั่ง ML ให้นักพัฒนาที่สนใจ FHE สามารถนำข้อมูลตัวอย่างไปบีบอัดและทดสอบของจริงได้
ตัวอย่างการใช้งาน FHE ของ IBM คือการตรวจสอบว่ามีการโกง (fraud) บัตรเครดิต โดยใช้ข้อมูลตัวอย่างของรายการธุรกรรมต่างๆ นำมาเข้ารหัสแบบ FHE แล้วนำไปประมวลผลว่ามี fraud จริงหรือไม่ โดยไม่ต้องถอดรหัสข้อมูลชุดนี้ออกมา
ในแง่บริการทางไอที IBM ก็เปิดบริการชื่อ Homomorphic Encryption Services เป็นบริการย่อยของ IBM Security ซึ่งรวมบริการด้าน ML และการให้คำปรึกษาโดยผู้เชี่ยวชาญเข้ามา
ข้อมูลเพิ่มเติม
techfeedthai 