💻 computer science

Homomorphic Encryptions for Privacy Preserving Vision

Ce document présente un cadre de vision par ordinateur préservant la confidentialité utilisant le chiffrement totalement homomorphe (spécifiquement Microsoft SEAL et TenSEAL) pour permettre une inférence de CNN précise sur des données chiffrées, démontrant une perte de précision minimale à travers divers ensembles de données allant de MNIST à CIFAR-10 tout en prenant en charge des opérations complexes telles que le traitement multicanal et de multiples couches de convolution.

Auteurs originaux : Preey Shah, Rohan Virani, Sanjari Srivastava

Publié 2026-06-25

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Preey Shah, Rohan Virani, Sanjari Srivastava

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous possédez une recette de gâteau très précieuse et secrète (vos données privées, comme un scanner médical ou un dossier financier). Vous voulez demander à une célèbre boulangerie de haute technologie (un service d'IA basé sur le cloud) si le gâteau sera réussi, mais la loi vous interdit de montrer la recette réelle. Vous ne pouvez même pas leur envoyer une copie de la recette pour qu'ils l'examinent plus tard.

Cet article traite d'une astuce ingénieuse qui vous permet d'envoyer la recette dans une boîte verrouillée et incassable à la boulangerie. Les boulangers peuvent mélanger, cuire et goûter le gâteau à l'intérieur de la boîte sans jamais l'ouvrir ni voir les ingrédients. Lorsqu'ils renvoient la boîte, celle-ci contient la réponse (« Il sera délicieux ! »), mais la boîte est restée verrouillée tout au long du processus.

Voici comment les auteurs ont réalisé cela, expliqué simplement :

Le Problème : Le dilemme de la « Boîte de Verre »

Habituellement, pour utiliser des outils d'IA puissants dans le cloud, vous devez donner vos données à découvert. Mais pour des choses sensibles comme les dossiers de santé, la loi stipule que vous ne pouvez pas faire cela. Cela empêche les gens d'utiliser les meilleurs outils d'IA disponibles.

La Solution : Le Chiffrement Homomorphe

Les auteurs ont utilisé une technologie appelée Chiffrement Homomorphe. Considérez cela comme une boîte de verrouillage magique.

Chiffrement Normal : Vous verrouillez une boîte. Le boulanger ne peut pas toucher le gâteau à l'intérieur.
Chiffrement Homomorphe : Vous verrouillez une boîte, mais le boulanger possède une paire de gants spéciale qui lui permet de pétrir, mélanger et cuire le gâteau à travers la boîte. Ils peuvent effectuer des calculs sur le gâteau sans jamais voir ce qu'il est.

Le Défi : Le Problème du « Carré »

L'IA standard (spécifiquement les Réseaux de Neurones Convolutifs, ou CNN) utilise beaucoup de mathématiques « non linéaires ». Imaginez une étape de la recette qui dit : « Si la température est supérieure à 100, éteignez le feu. » C'est une décision basée sur une valeur maximale ou une courbe.

Le Problème : La boîte magique ne comprend que l'addition et la multiplication simples. Elle ne comprend pas les « maximums » ou les courbes complexes.
La Correction : Les auteurs ont dû réécrire la recette de l'IA. Au lieu de demander un « maximum », ils ont utilisé une astuce mathématique simple (comme le carré d'un nombre) qui imite la courbe mais n'utilise que la multiplication. Ils ont également remplacé le fait de « choisir le plus grand nombre » par le fait de faire une « moyenne des nombres », ce que la boîte magique peut gérer.

Ce Qu'ils Ont Fait (Les Expériences)

L'équipe a construit trois modèles d'IA différents « prêts pour la boîte de verrouillage » pour tester cette idée :

Le Modèle Simple : Une IA basique qui regarde des images en noir et blanc (comme des chiffres écrits à la main).
Le Modèle à Couches : Une IA légèrement plus complexe qui regarde des images à travers plusieurs couches de filtres et utilise la « moyenne » pour réduire la taille de l'image.
Le Modèle en Couleur : Une IA capable de regarder des images en couleur (comme le jeu de données CIFAR-10), ce qui est beaucoup plus difficile car elle doit traiter trois canaux de couleurs différents (Rouge, Vert, Bleu) à la fois.

Ils ont testés cela sur des jeux de données d'images célèbres :

MNIST : Chiffres écrits à la main (le « Hello World » de l'IA).
Fashion-MNIST : Photos de vêtements.
Kuzushiji MNIST : Caractères japonais anciens.
CIFAR-10 : Petites photos colorées d'objets du quotidien (chats, voitures, oiseaux).

Les Résultats : Est-ce que ça a fonctionné ?

Précision : Étonnamment, oui !

Pour les modèles plus simples, l'IA a deviné correctement sur les données de la boîte verrouillée aussi bien que, ou parfois même mieux que, la version non verrouillée. Les auteurs suggèrent que le « bruit » à l'intérieur de la boîte magique a pu accidentellement aider l'IA à éviter de trop réfléchir (surapprentissage ou overfitting).
Pour les modèles plus complexes, la précision n'a chuté que légèrement (environ 1 %), ce qui est un prix très faible à payer pour une confidentialité totale.

Vitesse : C'est là que se trouve le piège.

Faire des mathématiques à l'intérieur d'une boîte magique est lent. Les auteurs ont constaté que le traitement des images chiffrées prenait nettement plus de temps que les images normales.
Pour les images colorées complexes, il fallait environ 7,5 secondes par image pour obtenir une réponse.
Ils ont noté que leur logiciel n'utilisait pas encore de cartes graphiques (GPU) puissantes, ce qui explique pourquoi c'était si lent. Si l'on ajoutait ces composants, ce serait beaucoup plus rapide.

Le Compromis : Sécurité vs Vitesse

Les auteurs ont joué avec les « réglages » de la boîte de verrouillage (appelés paramètres de contexte).

Verrous plus forts : Si vous rendez la boîte plus difficile à briser (sécurité plus élevée), les calculs prennent plus de temps.
Précision : Si vous voulez une réponse extrêmement précise, vous avez besoin de plus de « bits » de données, ce qui ralentit également les choses.
Ils ont trouvé un « point d'équilibre » où la boîte était assez sécurisée et la précision élevée, même si elle était un peu lente.

Le Mot de la Fin

L'article prouve que vous pouvez exécuter des tâches complexes de reconnaissance d'images sur des données secrètes et chiffrées sans les déchiffrer au préalable. Vous n'avez pas à choisir entre la confidentialité et l'utilisation d'IA puissantes.

Cependant, la technologie actuelle est comme une voiture manuelle lente comparée à une voiture de course à grande vitesse. Elle fonctionne parfaitement pour la confidentialité, mais elle n'est pas encore assez rapide pour des applications en temps réel. Les auteurs espèrent qu'à l'avenir, avec un meilleur matériel (comme les GPU) et des méthodes de chiffrement plus rapides, cette « boîte magique » sera assez rapide pour être utilisée partout.

Résumé Technique : Chiffrements Homomorphes pour la Vision Préservant la Confidentialité

Énoncé du Problème
Le document traite du conflit entre la demande croissante pour le Machine Learning-as-a-Service (MLaaS) basé sur le cloud et les exigences juridiques qui empêchent les organisations de partager des données sensibles (par exemple, des dossiers médicaux ou financiers) en clair. Bien que l'apprentissage profond soit de plus en plus appliqué à des domaines sensibles comme la santé (détection de tumeurs, imagerie médicale), les solutions cloud actuelles nécessitent le déchiffrement des données, ce qui pose des risques pour la confidentialité. Les auteurs visent à permettre aux tâches d'inférence de vision par ordinateur — spécifiquement les réseaux de neurones convolutifs (CNN) — de fonctionner directement sur des données chiffrées sans déchiffrement, préservant ainsi la confidentialité des données tout en maintenant une précision et des vitesses d'inférence compétitives.

Méthodologie
Le projet utilise le Chiffrement Homomorphe Complet (FHE), plus précisément le schéma Cheon-Kim-Kim-Song (CKKS), qui prend en charge l'arithmétique approximative sur des données chiffrées. L'implémentation repose sur Microsoft SEAL et son wrapper Python, TenSEAL.

Pour adapter les CNN standards au chiffrement homomorphe, les auteurs ont implémenté plusieurs modifications critiques pour gérer les contraintes du HE (qui ne prend en charge que les opérations additives et multiplicatives sur des anneaux commutatifs) :

Représentation des données : Les nombres réels sont remplacés par des nombres à virgule flottante à précision fixe encodés en entiers.
Approximation de la non-linéarité : Les fonctions d'activation non polynomiales standard comme ReLU et Sigmoid sont remplacées par des polynômes de bas degré (spécifiquement $z^2$ ) pour introduire la non-linéarité.
Couches de Pooling : Le max-pooling est remplacé par un average pooling mis à l'échelle, qui peut être exprimé comme une convolution avec un noyau statique.
Implémentation de la Convolution : La convolution est transformée en multiplication de matrices en utilisant la méthode « image-to-columns ». Puisque le réarrangement des éléments de texte chiffré est difficile, ce prétraitement est effectué sur le texte clair avant le chiffrement.
Gestion Multi-couches : Pour supporter des couches de convolution empilées et des entrées multi-canaux (images en couleur), le système déchiffre et rechiffre les données entre les couches. Cela est nécessaire car TenSEals ne dispose pas de documentation native pour la gestion des réarrangements de matrices 2-D sur des vecteurs 1-D chiffrés. Les auteurs notent que cela ne compromet pas la confidentialité, car seuls les tailles de noyaux et les pas (strides) sont nécessaires pour le réarrangement, et non les paramètres du modèle.

Configuration Expérimentale
Les auteurs ont évalué trois architectures CNN distinctes à travers quatre jeux de données : MNIST, Kuzushiji MNIST, Fashion-MNIST et CIFAR-10.

Architecture 1 : Un CNN simple avec une couche de convolution et deux couches entièrement connectées (FC) (entrée monocanal).
Architecture 2 : Un modèle plus profond avec deux couches de convolution, un average pooling et deux couches FC (entrée monocanal).
Architecture 3 : Un modèle supportant des entrées multi-canaux (RGB), où les sorties de canaux sont calculées séparément et combinées via l'addition de textes chiffrés.

Les modèles ont d'abord été entraînés sur des données non chiffrées. Les poids résultants ont ensuite été utilisés pour initialiser les variantes « chiffrées » pour l'inférence. L'étude s'est concentrée sur un échantillon de test de 5 000 échantillons par jeu de données pour gérer l'importante surcharge de calcul du FHE.

Résultats Clés
Les expériences ont démontré que la classification sur des données chiffrées est réalisable avec une perte de précision minimale :

Précision : Pour l'Architecture 1, l'inférence chiffrée égale souvent ou dépasse légèrement la précision de référence non chiffrée (par exemple, 98,90 % contre 97,14 % sur MNIST). Les auteurs attribuent les améliorations potentielles au bruit naturel introduit par l'arithmétique approximative de CKKS, qui peut réduire le surapprentissage. Pour l'Architecture 2, la précision chute d'environ 1 % sur des jeux de données complexes (KMNIST, Fashion-MNIST), probablement en raison de l'erreur cumulée des cycles de déchiffrement/re-chiffrement.
Complexité : Le système a étendu avec succès le support aux entrées multi-canaux (CIFAR-10), atteignant une précision de 54,1 % sur des données chiffrées contre 56,12 % sur des données non chiffrées.
Compromis de Performance : Le temps d'inférence est nettement plus élevé que l'inférence non chiffrée (ordres de grandeur plus lent). L'étude a analysé le compromis entre les paramètres de contexte (degré de module polynomial et module de coefficient) et la performance :
- L'augmentation de l'échelle de bits (précision) n'a pas augmenté significativement le temps d'inférence mais était nécessaire pour maintenir la précision.
- L'augmentation du module de bit polynomial (sécurité) a augmenté linéairement le temps d'inférence (par exemple, doubler le module de 8192 à 16384 a doublé le temps d'inférence) tout en maintenant une précision similaire.

Signification et Contributions
Le papier revendique des contributions modestes mais significatives dans le domaine de la vision préservant la confidentialité :

Démonstration de Faisabilité : Il prouve que les CNN peuvent effectuer l'inférence sur des images chiffrées avec une précision comparable aux bases non chiffrées sur divers jeux de données, y compris des plus complexes comme CIFAR-10.
Extensions de Bibliothèques : Les auteurs ont ajouté le support d'opérations complexes au-dessus de TenSEAL, incluant des couches de convolution empilées, le average pooling et le traitement d'images multi-canaux (en couleur).
Analyse de Paramètres : Le travail fournit une analyse empirique des compromis temps-précision-sécurité inhérents au chiffrement CKKS, offrant des conseils pour la sélection des paramètres de contexte.

Les auteurs concluent que bien que les performances actuelles soient limitées par l'absence de support GPU dans les bibliothèques FHE et le coût de calcul du chiffrement, la capacité d'exécuter des tâches de vision par ordinateur directement sur des textes chiffrés offre une solution viable pour les applications sensibles à la confidentialité. Ils suggèrent que les améliorations futures de l'accélération matérielle et des schémas HE plus rapides pourraient davantage renforcer la praticité de cette approche.