國網中心助台灣加速邁向數位國家

PETs前瞻資安技術研討會與會貴賓與講師合影。國網中心

隨著AI技術成熟與普及，在支援科學基礎研究、滿足各個應用領域的研發課題，協助台灣科研成果在全球露出的前提下，國家實驗研究院國家高速網路與計算中心(簡稱國網中心)在前瞻數位基礎建設計畫，打造台灣杉超級電腦機群，為國內產學研界提供世界級的HPC及AI高速運算資源。

然在發展AI相關服務時，需要大量資料協助訓練，因此保護資料安全、完善可靠的隱私個資保護，儼然已成為各方關注焦點。

為此，2021年10月15日國研院國網中心特別舉辦台灣首次的「Privacy Enhancing Technologies/PETs前瞻資安技術研討會」，並在符合防疫政策下，以實體、線上方式同步展開。

本場盛會特別邀請產學研各界相關領域專家與會，分享主題涵蓋同態加密(Homomorphic Encryption )、聯邦式學習(Federated Learning)等相關技術，也吸引眾多人士與會，期盼為加速實現台灣成為「數位國家、智慧島嶼」願景共同努力。

國家安全會議諮詢委員李漢銘致詞時表示，隨著駭客攻擊面向愈來愈廣，資安問題已成為各國政府關注的問題。不光台灣將資安問題視為國安，2021年美國爆發油管公司遭到駭客攻擊後，拜登總統直接表明將駭客攻擊基礎關鍵設施的事件，視為對國家發動恐怖攻擊。

而隨著駭客攻擊手法多變，目前供應鏈安全、晶片安全、衛星安全等議題均備受重視，台灣已將資安產業列為重點產業，希望未來能如同半導體產業，成為台灣另一座護國神山。

行政院科技會報辦公室副執行秘書李育杰指出，早期談到資訊安全時，大家還習慣運用Information Security一詞，隨著駭客攻擊事件層出不窮，加上智慧製造議題成為顯學，資安問題更從IT延伸到OT環境之中，也將資安幾乎正式定調為Cyber security，意即沒有人可置身事外。

在訓練AI模型時，資料扮演非常重要的關鍵，只是在資安事件頻傳下，不少人對分享資料卻步，而同態加密技術可妥善保護資料安全，對擴大AI技術運用面向，可望帶來正面且長期性的幫助。

國網中心主任史曉斌説，在創新科技湧現下，讓許多新創公司得以快速成長，例如Splunk剛成立時，還是10人不到的小公司，目前則是在大數據領域居領先地位的指標性廠商。本次舉辦 PETs前瞻資安技術研討會只是開端，國網中心有非常多創新技術與能量，希望能扮演產業、學界持續成長的推手。

資安意識提高 催生後量子密碼學

備受關注的PETs前瞻資安技術研討會，活動分成「後量子時代的資訊安全：HE同態加密」及「聯邦式學習與區塊鏈」兩大議題，均是現今產業與學界最關注的議題。根據國家實驗研究院提供資料顯示，現行通用型電腦架構源自於1945年的馮紐曼型架構，也確立電腦運算採二進位制，只是在處理量子問題時面臨資料過於龐大，且處理時間近乎天文數字的問題，也因此帶動全球投入研發量子電腦的風潮。

擔任活動主持人的台灣大學資訊工程學系主任洪士灝説，在發展AI服務過程中，不光是資料需要受到嚴密保護，就連辛苦訓練出來的AI模型也需要一套保護機制，若成果被竊取，所有辛苦一夕之間化為烏有。因此，資料無論在傳輸或處理過程中，都應該要有一套完善的機密機制，也凸顯出同態加密技術的重要性。

國網中心研究員蘇正耀發表自行研發之基於量子計算概念的同態加密，加密時加入的錯誤選擇呈指數成長，故可以抵禦未來量子電腦的攻擊；且運用大量量子閘的轉換，運算過程不管有多長都不會累積誤差，不像傳統同態加密技術天生就會快速累積誤差，因此具有精準度與速度的優勢。這種量子概念運算的方法完全解決現有技術的困境，實現同態加密的可能，不但有助於延展新的研究方向，更可能創造嶄新的產業模式。

中央研究院資訊科學研究所研究員楊柏因説，在保護資料的前提下，目前大多數網路交易都已採取加密機制，如RSA、ECC等，但並非所有加密機制都能透過量子電腦處理，唯有能在量子計算下存活的密碼系統，才能稱為後量子密碼系統(Postquantum Cryptography；PQC)。

我們需要後量子密碼學的原因，在於駭客正積極投入量子研究，未來等到量子攻擊夠便宜時，那代表駭客可任意閱讀和假造通訊內容，因此若能早一天更換系統，就可減少流出一天資訊，自然有助於保護資料安全。

國網中心研究成果豐碩  扮演產業、學界最佳夥伴

隨著全球數位化程度日深，各種機器設備、社群平台產生的結構與非結構化資料，都成為訓練AI模型的最佳來源。然而機器學習都採用集中化訓練，即是將大量資料集中在單一環境中進行模型訓練，只是在跨單位資料難以共享的狀況下，也侷限機器學習的效益與準確度。

因此，聯邦式學習即是訴求透過去中心化方式，讓資料保留在原所屬單位，且同時兼顧資料隱私與安全性下，可透過AI訓練模型互通的機制，達到共享所有資料的訓練成果。

隨著聯邦式學習成為全球發展AI的趨勢，國網中心也在台灣杉服務平台上，於開發型容器新增Clara Train SDK項目，讓開發者更快速的推出深度學習相關的應用與解決方案，能夠處理深度學習模型訓練相關的工作。

用戶可在Clara Train SDK內使用NVIDIA 定義的檔案結構(Medical Model Archives；MMAR)進行訓練，包含由AI Assisted Annotation(AIAA)功能來輔助資料的標記，以減少大規模資料的收集、標記之負擔，進而降低使用聯邦式學習的門檻。

國網中心研究員李柏穎説， 對於規模不大的醫療院所來說，聯邦式學習最大好處在於可整合不同醫院的AI訓練成果，加速邁向智慧醫療。國網中心的 Clara Train SDK服務，最大特色在於可從單一家醫院的資料做起，並在日後逐步增加醫院數量的狀況下，整合不同AI模型的成果，創造跨醫院的資料共享成果。

國網中心投入創新技術研發多年，無論在人工智慧、智慧服務等領域，均有非常豐厚的成果，加上運算能力強悍的超級電腦，可供產業、學界作為驗證模擬的環境，堪稱是發展兼顧創新與個資隱私保護的最佳夥伴。