Об аппаратно-программной защите приложений доверенного искусственного интеллекта
в базисах RNS с интервально-позиционными характеристиками решающих правил 

Владимир Сергеевич Князьков, доктор технических наук, профессор, главный научный сотрудник Научно-исследовательского института
фундаментальных и прикладных исследований, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), E-mail: kniazkov@list.ru
Александр Иванович Иванов, доктор технических наук, профессор, научный консультант, Пензенский научно-исследовательский электротехнический институт (Россия, г. Пенза, ул. Советская, 9), E-mail: ivan@pniei.penza.ru
Константин Сергеевич Исупов, кандидат технических наук, доцент, доцент кафедры электронных вычислительных машин, Вятский государственный университет (Россия, г. Киров, ул. Московская, 36), E-mail: isupov.k.s.work@gmail.com
Михаил Матвеевич Бутаев, доктор технических наук, профессор, ученый секретарь, Научно-производственное предприятие «Рубин» (Россия, Пенза, ул. Байдукова, 2), E-mail: isupov.k.s.work@gmail.com

Актуальность и цели. Целью работы является описание потенциальных преимуществ аппаратно-программной защиты нейросетевых приложений искусственного интеллекта. Материалы и методы. В силу универсальности нейросетевых приложений акцентируется внимание на преимуществах представления любых решающих правил искусственного интеллекта через их декомпозицию в форме той или иной архитектуры нейронных сетей. В качестве примера рассматривается задача безопасной биометрической аутентификации личности человека с использованием быстрого алгоритма обучения, рекомендуемого отечественным стандартом ГОСТ Р 52633.5–2011. Отмечается простота программной реализации искусственных нейронов в недоверенной вычислительной среде, так как при реализации многих из них достаточно использования только двух операций: операции сложения «+» и операций умножения «×». Обсуждается перспектива поддержки гомоморфизма по от- ношению к дополнительным четырем операциями: сравнение чисел, определение знака, переполнение суммирования, переполнение умножения. Результаты и выводы. Классические криптографических алгоритмы гомоморфного шифрования содержания решающих правил не могут быть реализованы на основе малопотребляющих USB-карт с программируемыми логическими матрицами. Эта проблема снимается, если для поддержки гомоморфности нейросетевых решающих правил используются компактные некриптографические преобразования, построенные на программирова- нии во множестве систем остаточных классов.

Ключевые слова

гомоморфное шифрование, нейросетевые приложения, программирование в системах остаточных классов, расширение числа гомоморфных математических операций

 Скачать статью в формате PDF

Для цитирования:

Князьков В. С., Иванов А. И., Исупов К. С., Бутаев М. М. Об аппаратно-программной защите приложений доверенного искусственного интел- лекта в базисах RNS с интервально-позиционными характеристиками решающих правил // Известия высших учебных заведений. Поволжский регион. Технические науки. 2024. № 4. С. 50–69. doi: 10.21685/2072-3059-2024-4-5