이러한 노력의 일환으로, 저희는 2년 전 같은 유형으로는 최초인 완전 동형 암호화(FHE) 트랜스파일러를 오픈소스로 제공했고 그 과정에서 꾸준히 진입 장벽을 제거해 왔습니다. FHE는 민감한 정보나 개인 정보에 액세스할 수 없어도 암호화된 데이터에 대해 계산을 수행할 수 있는 강력한 기술입니다. FHE로 수행 가능한 작업을 확대할 수 있도록 개발자 및 연구 커뮤니티와의 협력을 통해 탄생한 최신 개발 사항을 공유하게 되어 매우 기쁩니다.
저희는 오늘 누구나 FHE 기술을 동영상 파일에 적용할 수 있도록 하는 새로운 도구를 선보입니다. 영상 채택에 비용이 많이 들고 실행 시간이 길어져서 더 큰 파일과 새로운 형식으로 FHE 사용을 확장하는 능력이 제한될 수 있기 때문에 이번 성과는 매우 중요합니다.
이를 위해 저희는 개발자가 개인 머신러닝과 텍스트 분석, 앞서 언급한 동영상 처리 등 더 광범위한 애플리케이션에 FHE를 더 쉽게 사용할 수 있도록 세 가지 새로운 방식으로 FHE 도구 키트를 확장하고 있습니다. 도구 키트의 일부로 새로운 하드웨어와 소프트웨어 암호화 라이브러리, 오픈 소스 컴파일러 도구 모음을 출시합니다. 연구자와 개발자에게 이런 새로운 도구를 제공하여 FHE로 개인정보를 보호하면서 동시에 비용도 절감할 수 있는 방법을 더 발전시키는 것이 저희의 목표입니다.
Link to Youtube Video (visible only when JS is disabled)
더 많은 최적화와 전문 하드웨어를 활용해 긴 동영상같이 더 복잡한 파일을 개인적으로 분석하거나 텍스트 문서를 처리하는 것처럼, 수많은 유사한 개인적 머신러닝 작업에 대한 사용 사례가 더 많아질 것으로 보입니다. 바로 이 때문에 어떤 개발자라도 학습된 TensorFlow Machine Learning 모델을 해당 모델의 FHE 버전으로 컴파일할 수 있도록 해줄 TensorFlow-FHE 컴파일러를 출시하게 되었습니다.
일단 모델이 FHE로 컴파일되면 개발자는 사용자 입력 콘텐츠나 추론 결과에 액세스하지 않고도 모델을 사용하여 암호화된 사용자 데이터에 대한 유추를 실행할 수 있습니다. 예를 들어, 도구 모음을 사용하여 TensorFlow Lite 모델을 FHE로 컴파일함으로써 3개 계층으로 구성된 신경망에 대해 16초 만에 비공개 유추를 생성할 수 있습니다. 이는 연구자가 개인 정보를 드러내지 않고 대규모 데이터 세트를 분석하도록 지원하는 한 가지 방법일 뿐입니다.
또한 개발자가 다양한 하드웨어 가속기에서 FHE를 실행할 수 있게 해주는 암호화용 소프트웨어 라이브러리인 Jaxite도 출시합니다. Jaxite는 Jaxite가 GPU(그래픽 처리 장치)와 TPU(Tensor Processing Unit)에서 FHE 프로그램을 실행할 수 있게 해주는 고성능 교차 플랫폼 머신러닝 라이브러리인 JAX를 기반으로 개발되었습니다. Google은 원래 신경망 계산 가속화를 위해 JAX를 개발했는데, FHE 계산 속도를 높이는 데도 JAX를 사용할 수 있다는 사실을 발견했습니다.
Finally, we are announcing Homomorphic Encryption Intermediate Representation (HEIR), an open-source compiler toolchain for homomorphic encryption. HEIR is designed to enable interoperability of FHE programs across FHE schemes, compilers, and hardware accelerators. Built on top of MLIR, HEIR aims to lower the barriers to privacy engineering and research. We will be working on HEIR with a variety of industry and academic partners, and we hope it will be a hub for researchers and engineers to try new optimizations, compare benchmarks, and avoid rebuilding boilerplate. We encourage anyone interested in FHE compiler development to come to our regular meetings, which can be found on the HEIR website.
전 세계의 여러 조직과 정부는 PET를 사용하여 사회적 도전 과제를 해결하고 개발자와 연구자가 사용자 데이터와 개인정보를 안전하게 처리 및 보호하도록 지원하는 방법을 계속해서 탐색하고 있습니다. Google은 개인정보 보호와 안전을 기술적으로 보장하기 위해, 데이터를 처리하는 방법, 시간, 장소를 변화시키면서 지속적으로 성장 중인 기술 도구 키트 Protected Computing을 통해 다양한 제품 전반에 걸쳐 이러한 새로운 기법을 지속적으로 개선 및 적용하고 있습니다. 또한 모든 인터넷 사용자가 세계적 수준의 개인정보 보호를 받을 자격이 있다는 믿음에 따라 저희가 개발한 PET에 누구든 쉽게 액세스할 수 있도록 노력을 지속해 나갈 것입니다.
