
# Realaus laiko privatumo apsaugos sintetinių duomenų generavimas krašte naudojant homomorfinį šifravimą ir federacinį mokymąsi

## Įvadas

Krašto AI pereina nuo vien tik inferencijos darbo krūvių prie **duomenų‑centriškų** procesų, kuriems reikia nuolat atnaujinamų modelių, įrenginio vidinio mokymo ir sintetinių duomenų generavimo. Nors sintetiniai duomenys gali žymiai sumažinti brangų realaus pasaulio duomenų rinkimo poreikį, jie taip pat kelia **privatumo** klausimų, kai šaltinio duomenys kyla iš vartotojų įrenginių. Tradiciniai anonimizavimo metodai (maskavimas, diferencialinė privatuma) arba sumažina duomenų naudingumą, arba reikalauja patikimos centrinės institucijos – abu variantai nepageidaujami vėlinimo jautrioms krašto scenarijoms.

**Naujas paradigma** sujungia **homomorfinį šifravimą (HE)**, **federacinį mokymąsi (FL)** ir **zero‑trust** kontrolės mechanizmus, kad būtų galima realiu laiku krašte generuoti aukštos kokybės sintetinį duomenį. Šiame straipsnyje išsamiai nagrinėjamas saugumo modelis, architektūriniai komponentai ir praktiniai įgyvendinimo žingsniai, taip pat aptariami našumo kompromisai ir ateities tyrimų kryptys.

## Kodėl krašto sintetiniai duomenys reikalauja stiprių privatumo garantijų

| Iššūkis | Įprastinis požiūris | Ribojimas |
|-----------|-----------------------|------------|
| **Duomenų rezidencija** | Įkelti neapdorotus duomenis į debesį | Pažeidžia reglamentus ([GDPR](https://gdpr.eu/), [CCPA](https://oag.ca.gov/privacy/ccpa)) |
| **Vėlavimas** | Centrinis generavimas → kelionė atgal | Nepriimtina realaus laiko inferencijai |
| **Pasitikėjimas** | Centrinė institucija patikrina duomenis | Vienintelė gedimo vieta, vidinis rizikos šaltinis |
| **Naudingumas** | Didelis diferencialios privatumo triukšmas | Sumažina sintetinių duomenų kokybę |

Krašto įrenginiai (IoT jutikliai, išmanieji telefonai, autonominiai dronai) generuoja **aukšto matmenų, laiko kritiškų** srautų (vaizdas, garsas, telemetrija). Norint išlaikyti modelius šviežius, sintetiniai duomenys turi būti generuojami **vietoje** ir **nedelsiant**. Tuo pat metu neapdoroti duomenys niekada neturėtų būti atskleisti aiškios teksto forma jokiai išorinei šaliai, įskaitant orkestravimo serverį. Čia **homomorfinis šifravimas** išsiskiria: jis leidžia atlikti skaičiavimus šifruotuose duomenyse, išlaikant konfidencialumą viso proceso metu.

## Homomorfinio šifravimo pagrindai krašto AI

Homomorfinis šifravimas leidžia atlikti **aritmetines operacijas** (sudėtį, daugybą) šifruotuose tekstuose, taip, kad dešifruotas rezultatas atitiktų operaciją, atliktą ant nešifruotų duomenų. Šiuolaikinės schemos (CKKS, BFV, TFHE) palaiko:

* **Paketus šifruotuose tekstuose** – kelis duomenų taškus koduoja viename šifruotame tekste, sumažinant pralaidumą.
* **Apytikslę aritmetiką** – tinkama neuroninių tinklų inferencijai ir generatyviems modeliams.
* **Bootstrapping** – atnaujina šifroteksto triukšmą, praplečiant skaičiavimo gylį.

Krašto sintetiniam duomenų generavimui paprastai reikia:

1. **Užšifruota požymių ištrauka** – apskaičiuoti įterpimus iš neapdorotų jutiklių duomenų be dešifravimo.
2. **Užšifruota modelio inferencija** – paleisti generatyvų modelį (pvz., VAE, difuzijos) ant užšifruotų įterpimų.
3. **Užšifruotas mėginių imimas** – generuoti sintetinį mėginį išlikus šifruotam, po to, jei reikia, dešifruoti vietoje tolimesniam naudojimui.

### Teisingos schemos pasirinkimas

| Schema | Stiprybės | Silpnybės |
|--------|-----------|------------|
| **CKKS** | Apytikslės aritmetikos, efektyvu slankaus kablelio skaičiavimams | Ribotos tikslios sveikųjų skaičių operacijos |
| **BFV** | Tikslus sveikųjų skaičių aritmetika, gerai tinka kvantizuotiems modeliams | Didesnis šifroteksto dydis |
| **TFHE** | Bitų operacijos, greitas bootstrapping | Didesnis vėlavimas dideliems tenzorams |

Dauguma krašto procesų renkasi **CKKS**, nes generatyvūs modeliai remiasi slankaus kablelio operacijomis, o nedidelė apytikslės klaidos tolerancija yra priimtina, kai ją kompensuoja privatumo privalumai.

## Federacinio mokymosi integracija

Federacinis mokymasis suteikia **distributuoto modelio mokymo** sistemą, kurioje kiekvienas krašto mazgas apskaičiuoja vietinius atnaujinimus ir siunčia **užšifruotus gradientus** į centrinį agregatorių. Mūsų architektūroje:

1. **Vietinis modelis** – lengvas enkoderio‑dekoderio pora, mokoma įrenginyje.
2. **Užšifruotas gradientų įkėlimas** – gradientai šifruojami agregatoriaus viešuoju raktu (HE) prieš siuntimą.
3. **Saugus agregavimas** – serveris sujungia užšifruotus gradientus, atlieka homomorfinį atnaujinimą ir transliuoja atnaujintą globalų modelį (vis dar užšifruotą) atgal į įrenginius.

**Sujungdami FL su HE**, pašaliname poreikį patikimam agregatoriui, galinčiam matyti neapdorotus gradientus, taip pasiekiame **zero‑trust** privatumo garantiją nuo pradžios iki pabaigos.

## End‑to‑End architektūra

Žemiau pateikiamas aukšto lygio Mermaid diagramos, kuri vizualizuoja duomenų srautą nuo neapdoroto jutiklio įvesties iki sintetinio duomenų išvesties.

```mermaid
flowchart TD
    A["Edge Device<br/>Raw Sensor Data"] --> B["HE Encoder<br/>(CKKS)"]
    B --> C["Encrypted Feature Vector"]
    C --> D["Local Generative Model<br/>(Encrypted Inference)"]
    D --> E["Encrypted Synthetic Sample"]
    E --> F["Local Decryptor<br/>(Device Private Key)"]
    F --> G["Synthetic Data (Plaintext)"]
    C --> H["Encrypted Gradient<br/>for FL"]
    H --> I["Secure Aggregator<br/>(HE Operations)"]
    I --> J["Updated Global Model (Encrypted)"]
    J --> B
    style A fill:#f9f,stroke:#333,stroke-width:2px
    style G fill:#bbf,stroke:#333,stroke-width:2px
```

### Pagrindiniai komponentai

| Komponentas | Vaidmuo | Įgyvendinimo patarimai |
|------------|--------|------------------------|
| **HE Encoder** | Transformuoja neapdorotus duomenis į šifruotą tekstą | Naudokite paketavimą (batching) kelių jutiklių skaitymų sujungimui; laikykite rakto dydį ≤ 2048 bitų, kad būtų įmanoma krašte |
| **Užšifruotas generatyvus modelis** | Generuoja sintetinį mėginį, išlaikant duomenis šifruotus | Paverkite modelį į **HE‑draugiškas** operacijas (pakeiskite ReLU polinominiais artiniais) |
| **Saugus agregatorius** | Atlieka federacinio modelio atnaujinimą ant užšifruotų gradientų | Pasinaudokite GPU pagreitintu HE bibliotekomis (Microsoft SEAL, PALISADE) serverio pusėje |
| **Zero‑Trust politikos variklis** | Įgyvendina prieigos kontrolę, atestaciją ir audito žurnalus | Integruokite su politikos‑kaip‑kodu platforma, kad gautumėte nekintamus audito įrašus |
| **Vietinis dešifruotojas** | Atgauna šifruoto sintetinį duomenį tekstinei vartojimui | Laikykite privatų raktą aparatinėje šakninėje saugojimo priemonėje (TPM, Secure Enclave) |

## Real‑time procesų darbo eiga

1. **Duomenų surinkimas** – Jutiklių duomenys sraute įrašomi į ciklinį buferį.  
2. **Įrenginio šifravimas** – HE enkoderis šifruoja buferį mikro‑paketais (≤ 10 ms vėlavimas).  
3. **Užšifruota inferencija** – Užšifruotas generatyvus modelis veikia šifruotu tekstu, sukuriant užšifruotą sintetinį mėginį.  
4. **Dešifravimas ir naudojimas** – Įrenginio saugi dalis dešifruoja mėginį; tekstinė forma tiekiama tolesniams AI moduliams (pvz., vietiniams sustiprinimo mokymosi agentams).  
5. **Gradientų skaičiavimas** – Tuo pačiu metu įrenginys apskaičiuoja generatyvaus modelio gradientą pagal užšifruotus duomenis.  
6. **Saugus įkėlimas** – Užšifruoti gradientai siunčiami į agregatorių per TLS su abipusiu autentifikavimu.  
7. **Modelio atnaujinimas** – Po konfigūruojamo skaičiaus raundų agregatorius grąžina atnaujintą užšifruotą globalų modelį.

Visas ciklas gali būti derinamas iki **sub‑sekundinio vėlavimo** (paprastai 200‑500 ms) ant šiuolaikinių ARM Cortex‑A78 arba RISC‑V branduolių, aprūpintų NEON/SVE pagreitinimu.

## Privalumai prieš tradicinius metodus

* **Privatumas pagal dizainą** – Neapdoroti duomenys niekada nepalieka įrenginio šifruotoje formoje.  
* **Reguliacinis atitikimas** – Atitinka [GDPR](https://gdpr.eu/) „duomenų pervežimo“ ir „duomenų poilsio“ šifravimo reikalavimus be brangių duomenų lokalumo išimčių.  
* **Zero‑trust užtikrinimas** – Kiekvienas sąveikos veiksmas kriptografiškai patvirtintas; nekintami žurnalai suteikia audito galimybes.  
* **Mastelio modelio kokybė** – Federaciniai atnaujinimai išlaiko generatyvų modelį šiuolaikišku be centrinio duomenų rinkimo.  
* **Krašto optimizuotas našumas** – Paketavimas ir polinominiai artiniai sumažina skaičiavimo sąnaudas iki < 30 % lyginant su nešifruota inferencija.  

## Įgyvendinimo svarstymai

### Aparatinės apribojimai

* **CPU** – Šiuolaikiniai ARM branduoliai su SIMD plėtiniais gali apdoroti CKKS operacijas apie 10 ms per 128 elementų paketą.  
* **Atmintis** – Šifruoti tekstai yra 2–4 kartus didesni nei nešifruoti; skirkite bent 256 MiB tipinei 64‑matmenų įterpimo linijai.  
* **Saugus elementas** – Laikykite privatų raktą TPM/SE, kad išvengtumėte rakto išgavimo atakų.  

### Programinės įrangos krūva

| Sluoksnis | Rekomenduojama biblioteka |
|-----------|---------------------------|
| **HE branduolys** | Microsoft SEAL (C++), TenSEAL (Python) arba Concrete (Rust) |
| **Modelio konvertavimas** | ONNX → HE‑draugiška grafinė struktūra (naudokite `he-transformer` arba individualų polinominį artinį) |
| **Federacinė koordinacija** | TensorFlow Federated, PySyft (su HE plėtiniais) |
| **Politikos ir audito** | Politikos‑kaip‑kodas variklis su nekintamais žurnalais, saugomais IPFS arba blokų grandinėje |

### Našumo optimizacijos

* **Šifruotų paketų naudojimas** – Koduokite kelis laiko žingsnius į vieną šifruotą tekstą, kad sumažintumėte šifravimo kaštus.  
* **Bootstrapping dažnis** – Planuokite bootstrapping tik tada, kai triukšmas viršija slenkstį; naudokite „lazy“ bootstrapping, kad sumažintumėte vėlavimą.  
* **Modelio supjaustymas** – Sumažinkite modelio gylį ir pakeiskite nelinearijas žemo laipsnio polinomais (pvz., Čebišovo artiniais).  

## Iššūkiai ir jų mažinimas

| Iššūkis | Poveikis | Mažinimas |
|----------|----------|------------|
| **Šifruoto teksto dydis** | Padidina pralaidumą ir atminties poreikį | Naudokite suspaudimą šifruotuose paketuose; pasirinkite 128‑bitų saugumo lygį, kad sumažintumėte dydį |
| **Skaičiavimo našumas** | Gali viršyti realaus laiko biudžetą silpnų įrenginių atveju | Perkelkite sunkius HE skaičiavimus į dedikuotą akceleratorių (pvz., Google Edge TPU su HE plėtiniais) |
| **Raktų valdymas** | Raktų nutekėjimas pažeidžia privatumo apsaugą | Diegti aparatinį šaknų raktų saugojimą; periodiškai keisti raktus per politikos valdomą automatizavimą |
| **Modelio tikslumo nuosmukis** | Polinominiai artiniai įveda klaidų | Atlikite modelio pakartotinį mokymą po konvertavimo; naudokite žinių distiliaciją iš aukštos tikslumo mokytojo |

## Ateities kryptys

* **Hibridiniai HE‑MPC protokolai** – Kombinuoti homomorfinį šifravimą su saugiu daugelio šalių skaičiavimu, siekiant dar labiau sumažinti triukšmo augimą.  
* **Adaptuojami šifravimo lygiai** – Dinamiškai reguliuoti šifruoto teksto modulį pagal duomenų jautrumą ir įrenginio išteklius.  
* **Krašto natūralūs HE akceleratoriai** – Išryškėjantys ASIC (pvz., Intel SGX‑HE, IBM HEB) žada dešimteriopą greitėjimą.  
* **Paaiškinamieji sintetiniai duomenys** – Integruoti LLM‑valdomus paaiškinimus, kodėl buvo sukurtas konkretus sintetiniai mėginys, saugomus nekintamuose žurnaluose audito tikslais.  

## Išvada

Realio laiko, privatumo apsaugą užtikrinantis sintetiniai duomenys krašte nebe teorija. **Sujungdami homomorfinį šifravimą su federaciniu mokymusi** ir įdėdami procesą į **zero‑trust politikos variklį**, organizacijos gali išlaisvinti visą krašto AI potencialą, išlaikydamos atitiktį griežčiausiems duomenų privatumo reglamentams. Čia pateikta architektūra suteikia praktišką kelią inžinieriams kurti mastelio, saugius procesus, kurie tieka aukštos kokybės sintetinį duomenį, neaukojant vėlavimo ar modelio našumo.

---

## Susiję

- [Homomorfinis šifravimas mašinų mokymui – Microsoft SEAL dokumentacija](https://github.com/microsoft/SEAL)  
- [Federacinis mokymasis: išsamus apžvalga – Google AI Blog](https://ai.googleblog.com/2020/04/federated-learning-overview.html)  
- [Zero Trust architektūra – NIST SP 800-207](https://csrc.nist.gov/publications/detail/sp/800-207/final)