Vie privée et sécurité pour l’IA

L’essor du cloud computing a entraîné un changement de paradigme dans les services technologiques qui a permis aux parties prenantes de déléguer leurs tâches d’analyse de données à des serveurs tiers (en nuage/ cloud). L’apprentissage automatique en tant que service (MLaaS) est l’un de ces services qui permet aux parties prenantes d’effectuer facilement des tâches d’apprentissage automatique sur une plateforme en nuage. L’avantage d’externaliser ces opérations à forte intensité de calcul a malheureusement un coût élevé en termes d’exposition à la confidentialité. L’objectif est donc de mettre au point des algorithmes d’apprentissage automatique personnalisés qui, de par leur conception, préservent la confidentialité des données traitées. Les techniques cryptographiques avancées telles que le chiffrement entièrement homomorphique ou le calcul multipartite sécurisé permettent l’exécution de certaines opérations sur des données chiffrées et peuvent donc être considérées comme des candidats potentiels pour ces algorithmes. Cependant, ces techniques entraînent des coûts de calcul et/ou de communication élevés pour certaines opérations. Dans cet exposé, nous analyserons la tension entre les techniques de ML et les outils cryptographiques pertinents. Nous ferons également le point sur les solutions existantes en matière de confidentialité et de sécurité.