輕量加密、同態加密與區塊鏈:新世代密碼學的三大聖杯

分享至

輕量加密、同態加密與區塊鏈:新世代密碼學的三大聖杯

撰文/陳奕廷(史丹佛大學應用物理系博士班)  

大數據蒐集與輕量密碼學

大數據是機器學習的必要條件。人的時間和精力有限,若讓人來蒐集數據,有太多資訊會被忽略掉。物聯網 ( Internet of things, IoT ) 正能解決這個問題。當今與網路相連的裝置通常只有手機和電腦,而物聯網的概念是將所有的裝置都連成一個網路,以期能更有效地掌控並分析資訊,減少不必要的浪費和消耗。舉例來說:如果家中燈泡、冷氣、冰箱等家電的使用資訊,能透過物聯網收集、記錄,並利用人工智慧分析,便能依據使用需求設計出更省電的運作方式,甚至更好的家庭配電模式,提升發電廠效率。

但水能載舟亦能覆舟,物聯網若遭有心人士惡意駭入,將會是一場難以想像的災難。如果家內的冷氣被惡意開啟也許只是徒增困擾;但如果有人惡意將整個城市的所有電器同時開啟,則可能造成發電廠過載、電網癱瘓,甚至影響國家安全,因此,加密通訊異常重要。但許多物聯網裝置的尺寸非常小,無論計算資源或電池壽命皆有限,無法完全滿足通訊加密所需。於是一套不同於電腦通訊的物聯網裝置加密協定、一套「輕量加密」 ( Lightweight Cryptography ) 卻又不在安全性上妥協的密碼學,有其必要性。

隱私問題與同態加密

除了惡意駭客外,個人資料的蒐集與隱私也是大數據的一大爭議。就算使用大數據的機構恪守倫理規範,個資仍有可能流入有心人士手中。常見的情況,是當一般機構沒有足夠運算能力進行大數據分析時,常如圖一A所示,向第三方租借如Amazon Web Service、 Google Cloud Platform等雲端計算資源。計算完成後包含隱私資料在內的大數據,是否妥善刪除是一大疑問。

圖一、(A) 現有訓練人工智慧的方式,將資料赤裸裸的上傳到雲端作計算。(B) 同態加密讓我們能用加密過的資料訓練人工智慧,使得資料更安全。

同態加密 ( Homomorphic Encryption ) 是一能解決大數據隱私問題的方法。如圖二B所示,工程師在上傳數據前先將數據進行加密。為了對資料進行運算 ( f ),工程師對加密後的資料進行對應的同態運算 ( g )。g的作用是在資料被加密的狀態下對資料做f運算,最後下載並解密得到目標函數f(x) 結果。透過這樣的架構,上傳到雲端做計算的資料總是被預先加密過的,即使資料沒有在事後被妥善刪除,也沒有人能閱讀資料內容。這個領域對未來人工智慧的發展非常重要,但目前仍處於研究階段。IBM今年發表了一篇論文[參2],將同態加密速度提升75倍,但相較於直接運算還是慢上許多。

信任與區塊鏈

然而並非所有資料都適合同態加密。例如銀行在處理與顧客間交易時,需要驗證顧客的銀行帳戶確實有足夠的資金進行交易,所以個人的經濟資料不能對銀行保密。這些資料在銀行內部可說是一覽無遺,理論上也能被竄改。我們不顧這些疑慮而仍然使用銀行服務的原因,在於我們信任銀行,用信任來彌補安全性上的疑慮。我們相信:儘管銀行有能力竄改資料,他們不會這樣做。但是再有信用的銀行也可能有倒閉的一天,若要獲得絕對的安全性,不能只依靠信任。

區塊鏈 ( blockchain ) 於焉誕生。其原理是將所有帳戶交易分散儲存在區塊鏈中。每個人都有一份區塊鏈,所以不需要信任任何個人或銀行。當完成交易時,交易的內容會被加密並且上傳到區塊鏈,形成一個新的區塊。協助新區塊加密的人可以獲得獎勵,也就是比特幣等加密貨幣 ( 俗稱挖礦 )。若一個駭客想要竄改區塊鏈上的資訊,如圖二,他可以製造一個假的分支(圖中分支2)。但是製造新的區塊需要龐大的計算資源,只要這位駭客沒有整個系統50%以上的計算資源,他製造區塊的速度永遠比其他誠實使用者還要慢。以比特幣為例,系統會選擇最長的區塊鏈作為正統,所以真實的分支1會被選用,偽造的分支2則會被淘汰。在如此的防偽機制下,資訊一旦被放在區塊鏈上便難以遭到竄改。

圖二、比特幣的區塊鏈會選擇最長鏈當作正統(分支1),所以駭客難以竄改區塊鏈上的資料。

區塊鏈目前仍是積極開發中的領域,由於其龐大的經濟價值,發展的速度比輕量密碼學和同態加密更加快速。但是區塊鏈的交易速度與交易量仍有待改進。在安全性上,若單一駭客擁有系統50%以上的計算力,便能進行「51%攻擊」,竄改區塊鏈上的資訊,這部分疑慮仍有待研究。

 

參考資料

  1. K. McKay, L. Bassham, M. Turan and N. Mouha, “Report on Lightweight Cryptography“, NIST, 2018.
  2. S. Halevi and V. Shoup, “Faster Homomorphic Linear Transformations in HElib”, IACR Cryptology, 2018.

(本文由教育部補助「AI報報─AI科普推廣計畫」執行團隊編譯)

(Visited 58 times, 1 visits today)

分享至
views