Microsoft gelingt der große Wurf bei homomorpher Kryptographie

Bei der Erforschung praktisch nutzbarer Systeme mit homomorphen Verschlüsselungen ist man beim Software-Konzern Microsoft einen großen Schritt vorangekommen. Entsprechende Verfahren bieten ein sehr hohes Maß an Datensicherheit, waren bisher aber noch extrem langsam. Der große Vorteil einer homomorphen Verschlüsselung besteht darin, dass man die gespeicherten Daten nicht erst entschlüsseln muss, um mit ihnen zu arbeiten. Verschiedene Operationen können direkt auf den kodierten Informationen durchgeführt werden. Das macht solche Methoden besonders dort begehrt, wo mit äußerst sensiblen Informationen gearbeitet wird - beispielsweise in der medizinischen Forschung.

Die ersten theoretischen Arbeiten zu solchen Krypto-Verfahren erschienen bereits Ende der 1970er Jahre. Durch den rasanten Fortschritt bei der Leistungsfähigkeit von Computern wurde es irgendwann auch möglich, praktische Umsetzungen der Theorie auszuprobieren. Allerdings waren diese noch weit davon entfernt, in realen Anwendungen zum Einsatz zu kommen. Denn sie waren extrem viel langsamer als die Verarbeitung unverschlüsselter Daten. Selbst als man bei IBM die Algorithmen so weit verbesserte, dass die Berechnungen mehr als zwei Millionen Mal schneller fertig wurden, reichte dies noch lange nicht, um Systeme zu bauen, die in der Praxis akzeptiert werden würden.

Neuronale Netze ftw!

Microsoft-Forscher hatten bereits im vergangenen Herbst neue theoretische Arbeiten zur homomorphen Verschlüsselung veröffentlicht. Auch hier stand allerdings die Frage im Raum, wie gut diese in der Praxis nutzbar wären. Wie sich jetzt zeigte, hatte man in Redmond aber eine Idee. Man verband die Kryptographie mit Methoden, die seit jüngerer Zeit aus dem Bereich des Deep Learning verfügbar sind - also der Entwicklung neuronaler Netze, die sich selbstständig für bestimmte Aufgaben optimieren können.

Das Ergebnis dieser Kombination wird bei Microsoft CryptoNets genannt. die neuronalen Strukturen sorgen hier für vor allem für Preprocessing-Arbeiten, mit denen die Daten so in kleine Häppchen aufbereitet werden, dass sie den jeweiligen Rechner nicht überlasten sondern ein optimales Gleichgewicht zwischen Handhabung und Rechenzeit darstellen. Damit sei man laut einem aktuellen Paper (via The Register) weit genug gekommen, um die Umsetzung des Verfahrens in kommerziellen Produkten möglich zu machen. Wann solche auf den Markt kommen könnten, ist aber noch unklar, da das Forschungs-Team selbst nicht die Produktstrategie des Konzerns bestimmen kann. Ki, Künstliche Intelligenz, Gehirn, Kopf, Denken Saad Faruque (CC BY-SA 2.0)