PQC Protection for AI Workloads - A Performance-Aware Migration Framework
本文提出了一种面向性能的、分阶段的迁移框架，用于在异构平台上保护针对量子威胁的 AI 工作负载，并证明了虽然密钥交换开销可以忽略不计，但主要的工程挑战在于管理 NIST 最终确定的后量子算法所要求的更大签名和更长的信任生命周期。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
数字世界依赖于一套无形的锁来保护我们最敏感的信息。当医院发送患者记录、银行处理交易或国防系统更新软件时，这些锁确保只有预期的接收者才能打开信息。几十年来，这些锁一直建立在复杂的数学难题之上，这些难题涉及巨大的数字，它们易于创建，但在没有正确密钥的情况下几乎无法破解。然而，一种被称为量子计算机的新型强大计算机正在接近一种能力水平，它可以在瞬间解决这些难题，从而使当前的锁失效。这种威胁不仅仅关乎未来安全；它已经在发生了。对手目前正在窃取并存储加密数据，赌的是一旦量子技术成熟，他们就能将其解锁。这种策略被称为“现在收集，稍后解密”，这意味着今天发送的数据在明天可能会暴露。挑战在于用新的、即使是量子计算机也无法破解的新锁来替换这些旧锁，同时又不减慢现在运行我们关键基础设施的复杂人工智能系统的速度。
麻省理工学院的一位研究人员通过研究这些新的、具有抗量子能力的锁在应用于人工智能工作负载时的表现，解决了这一问题。该研究重点关注了美国国家标准与技术研究院最近定稿的一套特定新安全标准。这些标准为两项主要任务引入了新算法：建立安全连接（密钥交换）和验证身份（数字签名）。研究人员不仅在标准计算机上测试了这些算法，还在运行现代人工智能的各种多样化硬件上进行了测试。这包括强大的图形处理器、通用计算机芯片，以及在边缘设备中发现的微小、内存受限的控制器。目标是观察升级到这些新的安全措施是否会破坏人工智能严苛的时间要求，或者系统是否能够平稳地处理这种变化。
调查首先通过设置三个不同的场景进行相互对比。第一个场景使用了目前正在使用的现有经典安全方法。第二个场景仅使用了新的、抗量子的方法。第三个场景使用了一种混合方法，同时结合了旧的和新的方法，以确保在过渡期间的安全。这些设置在三种不同类型的人工智能任务中进行了测试。第一种是实时推理，即大型语言模型即时回答问题。第二种是分布式训练，即多台计算机协同工作以教导一个模型。第三种是联邦学习，即模型在不共享原始数据的情况下，在不同组织之间进行训练。通过对这些任务进行数千次迭代运行，研究人员精确测量了新的安全方法与旧方法相比，分别需要多少时间和内存。
结果揭示了新安全对不同系统部分影响的一个清晰且有些令人惊讶的分歧。用于建立安全连接（这是任何通信的第一步）的任务显示出极小的困难。用于这一步的新方法在初始握手中增加了一小部分数据，但由于这仅在连接开始时发生一次，其成本被分摊到了后续的多次请求中。对于大型人工智能模型而言，这额外的成本微乎其微，几乎可以忽略不计，有效地消失在了背景之中。这意味着保护传输中的数据隐私是一项可控的任务，可以通过升级来实现，且对性能的影响极小。这表明保护传输数据的隐私是一个可以管理的任务，可以通过升级来实现，且对性能的影响极小。
然而，在验证身份方面情况则有所不同。用于证明消息或模型更新是真实的新的数字签名比旧的签名要大得多。在测试中，这些签名的尺寸从几十个字节跳跃到了几千个字节。在强大的服务器上，这种增长很容易被吸收。但在位于网络边缘的较小嵌入式控制器和专用芯片上，这种尺寸的增加造成了一个结构性问题。这些设备拥有固定的内存量和对存储证书数据量的严格限制。新的、更大的签名威胁到了这些设备的极限，可能导致其无法验证自身的身份。研究发现，真正的困难不在于计算速度，而在于如何将这些大得多的数据片段放入为旧的、较小的签名所设计的狭小且不可更改的空间中。
基于这些发现，研究人员提出了一个实用的框架，供组织在不引起中断的情况下迁移其系统。该方法建议，公司不应将其视为一次性的、大规模的技术更换，而应将其视为一个阶段性的现代化进程。第一步是确保数据在传输过程中的连接安全，因为由于“现在收集，稍后解密”策略的存在，这是最紧迫的威胁，且几乎没有性能损失。一旦连接变得安全，重点应转向更难的身份验证问题。第二阶段应谨慎处理，从最灵活的系统开始，逐步过渡到约束最严苛的硬件。对于微小的嵌入式设备，计划涉及更新其固件和证书存储空间，以容纳更大的签名，这是一项需要工程关注的任务，而不仅仅是软件补丁。
研究结论认为，如果处理得当，担心量子计算机破解人工智能安全的担忧在很大程度上是误解。对于大多数系统而言，新安全带来的性能成本并不是障碍；挑战主要在于组织和工程层面。通过优先保护传输中的数据，然后有条不紊地解决小型设备上身份验证的存储限制，组织可以保护其人工智能工作负载免受未来威胁。前进的道路不是寻找一个让一切都变快的魔术解决方案，而是理解新安全如何切入，并调整硬件和软件为它腾出空间。这种方法确保了保护我们关键基础设施的系统即使在底层技术演进时也能保持稳健。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。