Исследователи из МТИ разработали способ ускорения классификации зашифрованных изображений сверточной нейронной сетью, действующей в облаке. Метод предлагается применять, в частности, для облачной диагностики заболеваний по медицинским снимкам без раскрытия их содержания провайдеру. При этом благодаря применению принципа искаженного канала (garbled channel) пользователь тоже не имеет возможности выяснить что-либо о классификационной модели, которая работает в облаке.

Разработанные на сегодня методы гомоморфного шифрования данных, предназначенных для обработки нейросетями, эффективно защищают информацию, но требуют чересчур сложных вычислений для фильтрации шума, растущего по мере увеличения количества слоев сети. В то же время особенности протоколов искаженного канала таковы, что трафик, которым обмениваются стороны при их использовании, растет не в зависимости от объема входных данных, а по мере роста сложности выполняемых вычислений.

В рамках системы, предложенной учеными МТИ, определенная часть вычислений выполняется на стороне пользователя, за счет чего снижается и уровень шума в данных, и объем трафика. Как показали эксперименты, метод работает в 20-30 раз быстрее, чем другие модели машинного обучения, совмещенные с механизмами гомоморфного шифрования.