创客联盟网

 找回密码
 立即注册

QQ登录

只需一步,快速开始

开思网在线3D打印服务
查看: 8590|回复: 0
打印 上一主题 下一主题

谷歌人工智能太厉害:可以自学加密解密技术

[复制链接]
跳转到指定楼层
楼主
发表于 2016-11-1 17:21:00 | 只看该作者 |只看大图 回帖奖励 |倒序浏览 |阅读模式

马上注册(开思网用户可以直接登录),结交更多创客好友,享用更多功能,让你轻松玩转创客社区。

您需要 登录 才可以下载或查看,没有帐号?立即注册

x




  随着机器学习逐渐普及,机器人将负责处理越来越敏感和私密的数据。为了保护这些个人信息,谷歌的计算机科学家开发了几套能够自学信息加密的神经网络。

  谷歌旗下深度学习研究项目Google Brain的一个团队开发了3个神经网络,分别名为Alice、Bob和Eve,每个神经网络都有自己的任务。Alice向Bob发送加密信息,Bob则需要对其解密。最后,Eve则试图在没有其他神经网络提供密钥的情况下破解加密信息。

  这些神经网络都没有学习密码算法,所以并没有发展出复杂的系统。但它们却可以将纯文本转化成加密信息。

  研究人员马丁·阿巴蒂(Martin Abadi)和大卫·安德森(David Andersen)在论文中写道:“这一学习过程不需要指定具体的密码算法,也不需要明确指示如何应用这些算法:只是基于训练目标的保密规格来进行。”

  经过15万次模拟后,拥有密钥的两个神经网络(Alice和Bob)能够通过安全方式发送和解密信息。但整个过程中,Eve都未能成功破解这些加密信息。

  在传授了保护数据的算法后,研究人员还试图回答一个问题:人工智能是否能学会哪些信息应该使用加密技术来保护。为了做到这一点,阿巴蒂和安德森开发了另外一个神经网络:Blind Eve。

  这个神经网络只知道有信息被发送出去了,但却无法接触这些信息。Eve的错误率低于Blind Eve,但随着时间的推移,Eve也无法重建更多有关加密内容的信息,仍然只能通过单纯了解加密信息的价值分配获取一些信息。

  华盛顿大学计算机系教授佩德罗·多明戈(Pedro Domingos)表示,这项研究很有用,但并不清楚学习加密的目的何在。

  “跳出这篇论文来看,对抗性学习是个很有意思的话题,因为真实世界中的学习通常都要与对手进行对抗,而且对抗模式可以带来更好的学习效果。”他说。

  谷歌研究人员表示,神经网络可以通过训练来保护特定信息,也可以学会攻击。

  该论文总结道:“尽管神经网络可能不太擅长密码分析,但它们可能在元数据和流量分析方面很有用。”
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 支持支持
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|手机版|创客联盟网  

GMT+8, 2024-12-23 23:53 , Processed in 0.016916 second(s), 13 queries , Gzip On, Redis On.

Powered by Discuz! X3.3

© 2002-2024 www.iCAx.org

快速回复 返回顶部 返回列表