ШІ та конфіденційність: гомоморфне шифрування та федеративне машинне навчання забезпечують вищу ступінь захисту даних

Гомоморфне шифрування та федеративне машинне навчання – це дві важливі технології, які допомагають підвищити рівень конфіденційності й захисту даних у випадках, коли застосовується ШІ, зокрема технологія машинного навчання. За прогнозами компанії «Делойт», сукупний обсяг ринків таких рішень досягне 250 млн дол. США у 2022 році та 500 млн дол. США до 2025 року. Завдяки гомоморфному шифруванню алгоритми машинного навчання можуть обробляти зашифровані дані, а технологія федеративного машинного навчання уможливлює здійснення машинного навчання безпосередньо на локальних і периферійних пристроях без необхідності їх передачі на центральний ресурс.

Хоча ринок цих технологій поки невеликий, їх вже застосовують великі компанії, як-от Apple, Google, Microsoft, Nvidia, IBM, DARPA, Intel, Oracle, Mastercard, Scotiabank тощо. Кого можуть найбільше зацікавити переваги технологій гомоморфного шифрування та федеративного машинного навчання? Усі компанії, які користуються технологічними рішеннями на базі ШІ, а насамперед постачальників хмарних сервісів, оскільки ці дві технології дають змогу суттєво підвищити рівень конфіденційності та захисту персональних даних і знизити майбутні ризики витоку даних, у такий спосіб забезпечуючи відповідність новим вимогам регуляторів у цій сфері. Саме тому великі галузі, які значною мірою залежать від цих параметрів, як-от охорона здоров’я, фінансові послуги й державний сектор, починають розглядати можливості запровадження цих технологій.