9、人工智能与密码学融合的演进、应用及未来展望

人工智能与密码学融合的演进、应用及未来展望

在当今数字化时代，数据安全与隐私保护愈发重要，人工智能（AI）与密码学的融合成为解决这些问题的关键途径。本文将深入探讨AI与密码学融合的演进路径、各阶段特点、相关应用，以及未来的发展趋势。

1. AI与密码学融合的早期探索

为保护数据免受安全风险，研究人员探索了新颖的机器学习（ML）和深度学习（DL）方法来处理密文上的隐私敏感数据。以下是一些具体的研究成果：
- PlaidML - HE ：Chen等人开发了PlaidML - HE，它允许使用特定领域语言在许多不同设备上自动创建同态加密内核。与当时的现有实现相比，PlaidML - HE显著减少了使用它的机器学习即服务（MLaaS）的运行时间。
- 服务中心段路由机制 ：有研究提出了一种基于强化学习（RL）的服务中心段路由机制，用于加密流量，旨在帮助互联网服务提供商（ISPs）减少网络问题的影响，并满足用户对体验质量的严格要求。
- 基于DL的加密流量分类和入侵检测框架 ：为应对网络流量多样性的快速演变，有研究者提出了一种基于DL的网络加密流量分类和入侵检测框架，即deep - full - range，这是一个轻量级框架。
- 加密数据分类器 ：Wang等人使用三种DL方案创建加密数据分类器，并将其应用于软件定义网络家庭网关框架，以更好地管理智能家居网络。
- 用户活动预测 ：Hou等人表明，从加密的无线流量中预测用户活动的准确率可达99.17%。
-