Автор оригинала: Jiaheng Zhang
С углублением внедрения искусственного интеллекта (AI) в ключевые области, такие как здравоохранение, финансы и автономное вождение, обеспечение надежности, прозрачности и безопасности процесса вывода машинного обучения (ML) становится беспрецедентно важным.
Однако традиционные услуги машинного обучения часто работают как "черный ящик", где пользователи могут видеть только результаты, но трудно проверить процесс. Эта непрозрачность делает модельные услуги уязвимыми к рискам:
Модель была украдена,
Результаты вывода были злонамеренно изменены,
Данные пользователей подвержены риску утечки конфиденциальности.
ZKML (нулевое знание машинного обучения) предлагает совершенно новый криптографический подход к этой проблеме. Он основывается на технологии нулевых доказательств (ZKPs), предоставляя моделям машинного обучения возможность зашифрованной проверки: доказывать, что вычисление было выполнено правильно, не раскрывая при этом конфиденциальную информацию.
Иными словами, ZKP позволяют поставщикам услуг