Manufaturação industrial
Internet das coisas industrial | Materiais industriais | Manutenção e reparo de equipamentos | Programação industrial |
home  MfgRobots >> Manufaturação industrial >  >> Industrial Internet of Things >> Integrado

DARPA Concede Contratos a Quatro Equipes para Aceleradores ASIC em Criptografia Totalmente Homomórfica

A Defense Advanced Research Projects Agency (DARPA) concedeu contratos a quatro equipes para desenvolver aceleradores ASIC para criptografia totalmente homomórfica (FHE) como parte de seu programa Data Protection in Virtual Environments (DPRIVE). Os quatro contratos, concedidos à Duality Technologies, Intel, SRI International e Galois, variam de $11,5 milhões a $15 milhões, com o valor do prêmio da Intel não divulgado.

DARPA Concede Contratos a Quatro Equipes para Aceleradores ASIC em Criptografia Totalmente Homomórfica
A criptografia totalmente homomórfica é o 'Santo Graal' das tecnologias de criptografia

O programa DPRIVE de 3,5 anos visa permitir computação em dados criptografados com FHE dentro de uma ordem de magnitude do tempo de computação de operações não criptografadas atuais. A criptografia totalmente homomórfica permite que algoritmos rodem diretamente em dados criptografados, produzindo um resultado descriptografado que corresponde ao que seria obtido de dados não criptografados.

Esquemas de criptografia tradicionais exigem que a chave seja compartilhada para que os dados possam ser descriptografados para processamento, criando uma vulnerabilidade. Em contraste, FHE não requer compartilhamento de chave; os dados permanecem criptografados de ponta a ponta.

Criptografia homomórfica comercialmente disponível tipicamente suporta apenas adição de números criptografados. A criptografia totalmente homomórfica permite qualquer operação matemática em dados criptografados. Desde sua criação em 2009, a tecnologia permaneceu largamente impraticável devido à sua intensidade computacional.

"Uma computação que levaria um milissegundo em um laptop padrão poderia levar semanas em um servidor convencional rodando FHE hoje", disse o gerente de programa da DARPA, Tom Rondeau.

"A criptografia totalmente homomórfica requer milhares de FFTs sequencialmente, e polinômios de ordem 500 com coeficientes de ponto flutuante de precisão dupla", explicou o CEO da Cornami, Wally Rhines. "Isso demanda performance muito além das CPUs e GPUs atuais."

DARPA Concede Contratos a Quatro Equipes para Aceleradores ASIC em Criptografia Totalmente Homomórfica
Wally Rhines (Imagem: Cornami)

Embora não faça parte do programa DPRIVE, a Cornami pivotou de aceleração de IA para FHE, afirmando que o campo atualmente não tem concorrentes. O objetivo da empresa alinha-se ao da DARPA: levar FHE a níveis de performance práticos.

FHE utilizável transformaria o desenvolvimento de IA. A maior parte do treinamento de IA ocorre na nuvem, mas preocupações de privacidade impedem o uso de dados sensíveis em setores como finanças e saúde. Com aceleradores ASIC para FHE, empresas poderiam fazer upload de dados criptografados, treinar modelos na nuvem e baixar apenas resultados descriptografados — garantindo privacidade dos dados enquanto permitem aprendizado colaborativo entre instituições.

Desafios Técnicos

Cada equipe DPRIVE deve construir uma stack hardware-e-software que traga performance de FHE próxima à de workloads não criptografados. A DARPA exige que os designs sejam flexíveis, escaláveis e programáveis.

Uma estratégia central é a exploração de grandes tamanhos de palavra aritmética (LAWS). CPUs atuais usam palavras de 64 bits, mas FHE beneficia-se de comprimentos de palavra muito maiores porque a relação sinal-ruído melhora com o tamanho da palavra, permitindo mais operações antes que o limite de ruído seja excedido. Espera-se que as equipes investiguem tamanhos de palavra até vários milhares de bits.

Verificar circuitos LAWS é especialmente desafiador. À medida que o tamanho da palavra cresce, o espaço de estados torna-se enorme; tentativas anteriores de verificação deram timeout em 256 bits. Circuitos criptográficos exigem prova rigorosa de correção, necessitando verificação de circuito completo.

Pesquisas adicionais visarão gerenciamento de memória inovador, estruturas de dados flexíveis e modelos de programação eficientes.

Beneficiários dos Contratos

Duality Technologies

A Duality Technologies recebeu $14,5 milhões para desenvolver um ASIC DPRIVE. A startup é especializada em soluções FHE para setores regulados como finanças e saúde, oferecendo seu middleware SecurePlus que permite analytics em dados criptografados. A equipe da Duality inclui especialistas da University of Southern California, New York University, Carnegie Mellon, SpiralGen, Drexel University e TwoSix Labs. O acelerador integrará com a biblioteca FHE open-source Palisade.

DARPA Concede Contratos a Quatro Equipes para Aceleradores ASIC em Criptografia Totalmente Homomórfica
Kurt Rohloff (Imagem: Duality Technologies)

"Aceleração de hardware FHE é uma questão de dimensionalidade e largura de bit", disse o CEO da Duality, Kurt Rohloff. "Lidamos com operações vetorizadas com dimensões nas dezenas de milhares e estamos explorando tamanhos de palavra de centenas a milhares de bits."

Intel

A equipe DPRIVE da Intel abrange Intel Labs, engenharia de design e plataformas de dados. A Intel fez parceria com a Microsoft para implantar o ASIC no Azure e nuvens Jedi e colaborará com corpos de padrões internacionais em padrões FHE. A Intel afirma que seu ASIC poderia reduzir tempo de processamento FHE em até cinco ordens de magnitude, embora detalhes permaneçam por vir. A empresa planeja avaliar o acelerador em workloads de treinamento e inferência de IA usando dados criptografados com FHE em escala.

SRI International

SRI International, um instituto de pesquisa sem fins lucrativos, recebeu $11,5 milhões para enfrentar o desafio do acelerador FHE. "Criar um novo acelerador de hardware para dados criptografados FHE requer expertise em arquiteturas de co-processador, design de hardware, verificação, software, matemática e algoritmos FHE", disse o cientista da computação principal da SRI, Karim Eldefrawy. Ele adicionou que a expertise da equipe os posiciona para entregar uma solução comercialmente viável dentro de poucos anos.

Galois

Galois, uma firma de P&D em ciência da computação trabalhando com DARPA e NASA, garantiu um contrato de $15,3 milhões para construir um acelerador FHE. A empresa foca em design de circuito assíncrono, permitindo que cada computação rode em sua própria velocidade, e em uma nova microarquitetura data-flow que roteia dados "just in time" para elementos de processamento independentes. A Galois estima uma melhoria total de performance de 10.000× sobre sistemas FHE baseados em software atuais, decomposta em aceleração de hardware, lógica assíncrona, operações de grande tamanho de palavra, fluxo de dados otimizado e padrões de acesso a memória.

Cronograma

DPRIVE é um programa de 42 meses, três fases. Cada fase entrega métricas de performance que determinam progressão para o próximo estágio. Fase 1 (15 meses) foca em lógica central e otimização de tamanho de palavra. Fase 2 (15 meses) completa design do acelerador e arquitetura de memória. Fase 3 (12 meses) entrega ASIC totalmente funcional e programável por software. O programa deve concluir por volta de setembro de 2024.

— Este artigo foi originalmente publicado no EE Times.


Conteúdo Relacionado:

Para mais Embedded, assine a newsletter semanal do Embedded.

Integrado

  1. Entendendo Protocolos de Rede: Da Camada Física à Arbitragem Avançada
  2. Microprocessadores: A Evolução da Computação com Programa Armazenado
  3. Dados Completos de Op-Amp: Folhas de Dados National Semiconductor e CA3130
  4. Dominando Tipos de Dados em Python: Guia Prático
  5. Swissbit Lança SSDs 3D-NAND Industriais para Aplicações Exigentes
  6. DATA MODUL Revela Panel PC Ultra‑Fino 10,1″ para Aplicações Industriais de Alto Desempenho
  7. 8 Técnicas Essenciais de Criptografia para Proteger Seus Dados Privados
  8. Entendendo Tipos de Dados em C: Guia Abrangente
  9. Uniões em C Explicadas: Gerenciamento Eficiente de Memória para Múltiplos Tipos de Dados
  10. Entendendo Tipos de Dados no MATLAB: Guia Completo