فناوری FHE و انقلاب در حریم خصوصی داده‌ها

در طول دو سال گذشته، شرکت زاما با ایجاد چارچوبی به نام Concrete ML، به مسیر رمزنگاری حریم شخصی در یادگیری ماشین پیوسته است. این تلاش با بهره‌گیری از رمزنگاری مکمل تمام‌جانبدار (Fully Homomorphic Encryption) FHE، امکان محاسبات مستقیم بر داده‌های رمزگذاری‌شده را بدون دسترسی به کلید خصوصی فراهم می‌کند.

با این ابزار، اطلاعات شخصی کاربران در حین پردازش نادیده گرفته می‌شود؛ در عین حال، نتایج مدل‌های هوش مصنوعی به‌صورت امن و با اعتماد به‌ساز حاصل می‌گردد.

مشارکت زاما و Hugging Face در تعامل دیتا خصوصی

از طریق پلتفرم Hugging Face، زاما مدل‌های پیش‌کامپایل‌شدهٔ سازگار با FHE را در دسترس عموم قرار داد. این مدل‌ها به‌صورت کامل رمزگشایی‌پذیر نیستند و با مصرف کم انرژی و زمان، می‌توانند در محیط‌های پایدار و امن اجرا شوند.

  • دسترسی آسان برای توسعه‌دهندگان: مدل‌های آماده برای فراخوانی در Hugging Face Endpoints.
  • یکپارچگی با فریم‌ورک‌های معروف: scikit-learn، ONNX، PyTorch، TensorFlow و غیره.
  • نصب ساده هم‌چون هر API: برنامه‌نویسان می‌توانند سریع بگویند هر سازمانی می‌تواند مدل را بدون درگیری در جزئیات رمزنگاری اجرا کند.

راهنمای گام به گام: از بارگذاری مدل تا اجرای امن

۱. تهیهٔ مدل پیش‌کامپایل‌شده از مخزن Hugging Face.
۲. استفاده از SDK زاما برای رمزگذاری ورودی و تشخیص خروجی.
۳. فراخوانی مدل بر روی Endpoints و ذخیره‌سازی نتایج.
۴. مانیتورینگ و کنترل محدودیت‌ها با ابزارهای مدیریتی.

این روند به‌صورت مستند و آزمایشی در وبلاگ زاما و Hugging Face منتشر شده است و بر این باورند که این نوآوری موجی از تغییر در حوزهٔ حریم خصوصی هوش مصنوعی ایجاد خواهد کرد.

پرسش‌های پرتکرار

رمزنگاری کامل هم‌جانبدار (FHE) چیست؟

یک تکنیک رمزنگاری است که اجازه می‌دهد بر روی داده‌های رمزگذاری‌شده عملیات ریاضی انجام شود، بدون نیاز به دسترسی به کلید خصوصی، و در نهایت خروجی مخفی باقی می‌ماند تا بعد از decryption، نتیجه حاصل باشد.

چگونه می‌توان مدلی پیش‌کامپایل‌شدهٔ FHE را در Hugging Face Endpoints مستقر کرد؟

ابتدا مدل را از مخزن Hugging Face دانلود کرده و با استفاده از SDK زاما به‌صورت امن رمزگذاری می‌کنید؛ سپس مدل را به‌عنوان یک endpoint در پنل Hugging Face آپلود کرده و در تنظیمات محدودیت‌های لازم را اعمال نمایید. بعد از انتشار، استفاده از API فورا امکان‌پذیر است.