国网中心助台湾加速迈向数码国家

PETs前瞻网安技术研讨会与会贵宾与讲师合影。国网中心

随着AI技术成熟与普及，在支持科学基础研究、满足各个应用領域的研发课题，协助台湾科研成果在全球露出的前提下，国家实验研究院国家高速网络与计算中心(简称国网中心)在前瞻數位基础建设计划，打造台湾杉超级电脑机群，为国内产学研界提供世界级的HPC及AI高速运算资源。

然在发展AI相关服务时，需要大量数据协助训练，因此保护数据安全、完善可靠的隐私个资保护，俨然已成为各方关注焦点。

为此，2021年10月15日国研院国网中心特别举办台湾首次的「Privacy Enhancing Technologies/PETs前瞻网安技术研讨会」，并在符合防疫政策下，以实体、在线方式同步展开。

本场盛会特别邀请产学研各界相关领域专家与会，分享主题涵盖同态加密(Homomorphic Encryption )、联邦式学习(Federated Learning)等相关技术，也吸引众多人士与会，期盼为加速实现台湾成为「數位国家、智能岛屿」愿景共同努力。

国家安全会议谘询委员李汉铭致词时表示，随着黑客攻击面向愈来愈广，网安问题已成为各国政府关注的问题。不光台湾将网安问题视为国安，2021年美国爆发油管公司遭到黑客攻击后，拜登总统直接表明将黑客攻击基础关键设施的事件，视为对国家发动恐怖攻击。

而随着黑客攻击手法多变，目前供应链安全、芯片安全、卫星安全等议题均备受重视，台湾已将网安产业列为重点产业，希望未来能如同半导体产业，成为台湾另一座护国神山。

行政院科技会报办公室副执行秘书李育杰指出，早期谈到信息安全时，大家还习惯运用Information Security一词，随着黑客攻击事件层出不穷，加上智能制造议题成为显学，网安问题更从IT延伸到OT环境之中，也将网安几乎正式定调为Cyber security，意即没有人可置身事外。

在训练AI模型时，数据扮演非常重要的关键，只是在网安事件频传下，不少人对分享数据却步，而同态加密技术可妥善保护数据安全，对扩大AI技术运用面向，可望带来正面且长期性的帮助。

国网中心主任史晓斌説，在创新科技涌现下，让许多新创公司得以快速成长，例如Splunk刚成立时，还是10人不到的小公司，目前则是在大数据领域居领先地位的指标性厂商。本次举办 PETs前瞻网安技术研讨会只是开端，国网中心有非常多创新技术与能量，希望能扮演产业、学界持续成长的推手。

网安意识提高 催生后量子口令学

备受关注的PETs前瞻网安技术研讨会，活动分成「后量子时代的信息安全：HE同态加密」及「联邦式学习与区块链」两大议题，均是现今产业与学界最关注的议题。根据国家实验研究院提供数据显示，现行通用型电脑架构源自于1945年的冯纽曼型架构，也确立电脑运算采二进位制，只是在处理量子问题时面临数据过于庞大，且处理时间近乎天文数字的问题，也因此带动全球投入研发量子电脑的风潮。

担任活动主持人的台湾大学信息工程学系主任洪士灏説，在发展AI服务过程中，不光是数据需要受到严密保护，就连辛苦训练出来的AI模型也需要一套保护机制，若成果被窃取，所有辛苦一夕之间化为乌有。因此，数据无论在传输或处理过程中，都应该要有一套完善的机密机制，也凸显出同态加密技术的重要性。

国网中心研究员苏正耀发表自行研发之基于量子计算概念的同态加密，加密时加入的错误选择呈指数成长，故可以抵御未来量子电脑的攻击；且运用大量量子闸的转换，运算过程不管有多长都不会累积误差，不像传统同态加密技术天生就会快速累积误差，因此具有精准度与速度的优势。这种量子概念运算的方法完全解决现有技术的困境，实现同态加密的可能，不但有助于延展新的研究方向，更可能创造崭新的产业模式。

中央研究院信息科学研究所研究员杨柏因説，在保护数据的前提下，目前大多数网络交易都已采取加密机制，如RSA、ECC等，但并非所有加密机制都能透过量子电脑处理，唯有能在量子计算下存活的口令系统，才能称为后量子口令系统(Postquantum Cryptography；PQC)。

我们需要后量子口令学的原因，在于黑客正积极投入量子研究，未来等到量子攻击够便宜时，那代表黑客可任意阅读和假造通讯内容，因此若能早一天更换系统，就可减少流出一天信息，自然有助于保护数据安全。

国网中心研究成果丰硕  扮演产业、学界最佳夥伴

随着全球数码化程度日深，各种机器设备、社群平台产生的结构与非结构化数据，都成为训练AI模型的最佳来源。然而机器学习都采用集中化训练，即是将大量数据集中在单一环境中进行模型训练，只是在跨单位数据难以共享的状况下，也局限机器学习的效益与准确度。

因此，联邦式学习即是诉求透过去中心化方式，让数据保留在原所属单位，且同时兼顾数据隐私与安全性下，可透过AI训练模型互通的机制，达到共享所有数据的训练成果。

随着联邦式学习成为全球发展AI的趋势，国网中心也在台湾杉服务平台上，于开发型容器新增Clara Train SDK项目，让开发者更快速的推出深度学习相关的应用与解决方案，能够处理深度学习模型训练相关的工作。

用户可在Clara Train SDK内使用NVIDIA 定义的档案结构(Medical Model Archives；MMAR)进行训练，包含由AI Assisted Annotation(AIAA)功能来辅助数据的标记，以减少大规模数据的收集、标记之负担，进而降低使用联邦式学习的门槛。

国网中心研究员李柏颖説， 对于规模不大的医疗院所来说，联邦式学习最大好处在于可整合不同医院的AI训练成果，加速迈向智能医疗。国网中心的 Clara Train SDK服务，最大特色在于可从单一家医院的数据做起，并在日后逐步增加医院数量的状况下，整合不同AI模型的成果，创造跨医院的数据共享成果。

国网中心投入创新技术研发多年，无论在人工智能、智能服务等领域，均有非常丰厚的成果，加上运算能力强悍的超级电脑，可供产业、学界作为验证模拟的环境，堪称是发展兼顾创新与个资隐私保护的最佳夥伴。