Защита больших данных на новом уровне – ставропольские учёные разрабатывают способы, как сделать облачные вычисления безопасными. Проект Северо-Кавказского федерального университета поддержали в Российском научном фонде (РНФ).
Облачные хранилища данных и приложения для удаленного доступа обеспечивают возможность хранения важной информации на виртуальных серверах, не занимая объем на гаджетах. Совместный доступ к файлам и документам позволяет людям, находящимся в разных уголках мира, работать над одними проектами в реальном времени. Если Вы хоть раз пользовались приложением с навигацией или текстовым переводом, то они невозможны без облачных технологий.
Не ожидая подвоха от виртуальной реальности, мы привыкли делиться с ней личными данными, передавать рабочие файлы, фото, общаться и проводить досуг. Однако угрозы безопасности так или иначе существуют. Злоумышленники могут украсть персональную информацию, данные составляющие коммерческую тайну и даже модель машинного обучения.
Учёные Северо-Кавказского федерального университета (СКФУ) разрабатывают методы оптимизации алгоритмов шифрования в облачных сервисах. Российский научный фонд поддержал проект «Новые технологии для проектирования облачных сервисов машинного обучения, сохраняющих конфиденциальность», рассчитанный на три года реализации до 2028 года.
«Наши ученые занимаются развитием одной из самых технологичных платформ будущего – облачными сервисами. Скорость внедрения этих технологий в жизнь обычных пользователей, бизнеса и государственных структур зависит, в том числе, от скорости расчетов и безопасности. Подчеркну, что создание отечественных решений в области искусственного интеллекта и обработки больших данных входит в число приоритетов научно-технического развития», - рассказал ректор СКФУ Дмитрий Беспалов.
Руководит исследованием доктор физико-математических наук, доцент, заведующий кафедрой вычислительной математики и кибернетики СКФУ Михаил Бабенко.
– Мы столкнулись с серьезной проблемой: как обеспечить безопасность моделей машинного обучения и данных, которые используются для их обучения, когда обработка происходит на удаленных серверах. Гомоморфное шифрование обеспечивает максимальный уровень безопасности, но имеет существенный недостаток – значительное увеличение времени обработки данных. Именно над решением этой проблемы мы сейчас работаем, – отмечает Михаил Бабенко.
В основе исследования лежит технология гомоморфного шифрования – уникального метода защиты данных, который позволяет производить вычисления над зашифрованной информацией без необходимости её дешифрования. Это открывает широкие возможности для безопасной обработки конфиденциальных данных в облаке и позволит создать надежную систему защиты информации, которая будет соответствовать современным требованиям скорости и производительности.
Исследовательский проект учёных СКФУ направлен на внедрение гомоморфного шифрования и протокола безопасных вычислений, что позволит обрабатывать данные без их дешифрования. Методы кодирования данных будут разрабатываться таким образом, чтобы обеспечить максимальную производительность при сохранении высокого уровня безопасности и уменьшения нагрузки на вычислительные системы.
В итоге, как сообщили разработчики СКФУ, будет создана комплексная система сбора и обработки информации, которая объединит все разработанные решения в единую эффективную инфраструктуру.
– В результате мы планируем получить комплексный инструмент, решающий все поставленные научные задачи и обеспечивающий высокий уровень защиты данных при сохранении оптимальной производительности системы, – подытожил Михаил Бабенко.
Результаты проекта найдут применение в различных сферах: от банковского сектора до медицинских учреждений, где требуется обработка конфиденциальных данных с соблюдением высоких стандартов безопасности.
Развитие отечественных решений в области облачных вычислений и хранения информации позволяет развиваться таким индустриям, как интернет вещей, работа с большими данными, разработка систем искусственного интеллекта и внедрение мобильных сетей на основе 5G-технологий, а также ряда других направлений.
