Ismael Hishon-Rezaizadeh: Доказательства с нулевым разглашением революционизируют конфиденциальность в ИИ | Epicenter

Основные тезисы

Доказательства с нулевым разглашением повышают прозрачность, сохраняя при этом конфиденциальность в процессах принятия решений.
Lagrange является пионером в интеграции доказательств с нулевым разглашением в ИИ для обеспечения конфиденциальности.
Современные методы защиты конфиденциальности в ИИ уступают инновационным криптографическим подходам.
Модели, обеспечивающие конфиденциальность, требуют криптографической интеграции на этапе разработки.
Модели с открытым исходным кодом часто показывают более низкие результаты в коммерческих приложениях.
Защита как интеллектуальной собственности, так и данных потребителей имеет решающее значение при развертывании моделей ИИ.
Многие решения для ИИ, обеспечивающие конфиденциальность, не повышают конфиденциальность коммерчески значимых моделей.
Ориентация технологической индустрии на тривиальные приложения отвлекает от решения вопросов национальной безопасности.
Машинное обучение с использованием доказательств с нулевым разглашением основано на математике, а не на оборудовании, для обеспечения конфиденциальности.
Венчурное финансирование в аэрокосмической и оборонной отраслях недостаточно для удовлетворения потребностей национальной безопасности.
Библиотека Deep Proof от Lagrange является ключевой инновацией в обеспечении безопасности данных ИИ.
Технология доказательств с нулевым разглашением меняет ландшафт криптографической безопасности.

Представление гостя

Ismael Hishon-Rezaizadeh является генеральным директором и соучредителем Lagrange Labs, где он руководит разработкой DeepProve, самой быстрой библиотеки zkML для верифицируемого вывода ИИ. Он возглавил создание первого доказательства с нулевым разглашением для большой языковой модели Google Gemma3, продемонстрировав готовую к производству верификацию со скоростью в 158 раз выше, чем у конкурирующих решений. Его работа продвигает технологию доказательств с нулевым разглашением от криптографических приложений к критически важным для обороны областям, таким как обеспечение безопасности роев автономных дронов.

Роль доказательств с нулевым разглашением в принятии решений

Доказательства с нулевым разглашением обеспечивают прозрачность в процессах принятия решений, обеспечивая при этом конфиденциальность.
Доказательства с нулевым разглашением предоставляют возможность заглянуть внутрь "черного ящика", чтобы определить, что полученный результат был получен от правильной модели с использованием заданного набора входных данных.

— Ismael Hishon-Rezaizadeh
Эти доказательства позволяют понять условия, при которых принимаются решения.
Они помогают корректировать решения на основе проверенных входных и выходных данных.
Доказательства с нулевым разглашением имеют решающее значение для безопасных криптографических приложений.
Они повышают доверие к автоматизированным системам принятия решений.
Доказательства с нулевым разглашением обеспечивают прозрачность в процессах принятия решений, сохраняя при этом конфиденциальность.

— Ismael Hishon-Rezaizadeh
Понимание их технических аспектов необходимо для реализации безопасных систем.

Инновационный подход Lagrange к конфиденциальности в ИИ

Lagrange находится в авангарде интеграции доказательств с нулевым разглашением в ИИ.
Lagrange считает себя ведущей компанией в области передовых исследований в области прикладной криптографии.

— Ismael Hishon-Rezaizadeh
Компания фокусируется на инновациях, основанных на фундаментальных принципах, в области криптографии.
Lagrange’s Deep Proof — это библиотека машинного обучения с нулевым раскрытием информации.
Этот подход обеспечивает конфиденциальность в системах искусственного интеллекта без использования изолированных систем.
Мы находимся в уникальном положении для разработки доказательств с нулевым раскрытием информации.

— Ismael Hishon-Rezaizadeh
Их методы превосходят существующие решения для обеспечения конфиденциальности в системах искусственного интеллекта.
Инновации компании Lagrange имеют решающее значение для будущего конфиденциальности в системах искусственного интеллекта.

Ограничения существующих решений для обеспечения конфиденциальности в системах искусственного интеллекта

Существующие методы обеспечения конфиденциальности в системах искусственного интеллекта недостаточны по сравнению с криптографическими инновациями.
Многие попытки добавить конфиденциальность в системы искусственного интеллекта основаны на использовании изолированных систем.

— Ismael Hishon-Rezaizadeh
Эти методы не основаны на инновациях, основанных на фундаментальных принципах.
Модели, обеспечивающие конфиденциальность, требуют криптографической защиты с самого этапа разработки.
Если вы хотите использовать передовые проприетарные модели, вам необходимо внедрять криптографическую защиту на уровне разработчика модели.

— Ismael Hishon-Rezaizadeh
Существующие решения часто не обеспечивают защиту коммерчески значимых моделей.
Многие из них основаны на моделях с открытым исходным кодом, которые демонстрируют низкую производительность в коммерческой среде.
Существует потребность в лучшей интеграции конфиденциальности в модели искусственного интеллекта.

Необходимость криптографической защиты в моделях искусственного интеллекта

Модели, обеспечивающие конфиденциальность, требуют криптографической интеграции с самого начала.
Машинное обучение с нулевым раскрытием информации не требует использования специального оборудования для обеспечения конфиденциальности.

— Ismael Hishon-Rezaizadeh
Модели с открытым исходным кодом часто не подходят для коммерческого применения.
Производительность существующих моделей с открытым исходным кодом невысока.

— Ismael Hishon-Rezaizadeh
Проприетарные модели должны иметь встроенную криптографическую защиту.
Защита интеллектуальной собственности и данных потребителей имеет решающее значение.
Многие частные решения для систем искусственного интеллекта не обеспечивают достаточной конфиденциальности для проприетарных моделей.
Криптографическая защита необходима для эффективного обеспечения конфиденциальности.

Двойная потребность в конфиденциальности в системах искусственного интеллекта

Модели искусственного интеллекта требуют конфиденциальности как для защиты интеллектуальной собственности, так и для защиты данных потребителей.
Лучшую модель искусственного интеллекта не сделают открытой.

— Ismael Hishon-Rezaizadeh
Защита интеллектуальной собственности обеспечивает конкурентное преимущество.
Конфиденциальность данных потребителей имеет решающее значение для доверия и соблюдения нормативных требований.
Многие частные решения для систем искусственного интеллекта основаны на моделях с открытым исходным кодом.
Многие частные решения для систем искусственного интеллекта просто используют модели с открытым исходным кодом, которые находятся в общедоступном доступе.

— Ismael Hishon-Rezaizadeh
Эти решения часто не обеспечивают достаточной конфиденциальности для коммерчески значимых моделей.
Необходимы эффективные меры конфиденциальности для проприетарных моделей искусственного интеллекта.

Ориентация технологической индустрии и национальная безопасность

Технологическая индустрия часто уделяет приоритетное внимание незначительным приложениям, а не национальной безопасности.
Поколение компаний, занимающихся инкрементными и незначительными приложениями технологий.

— Ismael Hishon-Rezaizadeh
Этот акцент отвлекает от решения критически важных вопросов национальной безопасности.
Необходимы технологические инновации, которые окажут существенное влияние на оборону.
Текущее состояние венчурного финансирования в традиционных секторах является недостаточным.
В венчурном финансировании практически отсутствовали инвестиции в какие-либо традиционные секторы.

— Ismael Hishon-Rezaizadeh
Этот пробел влияет на национальную безопасность и технологический прогресс.
Необходимы дополнительные инвестиции в аэрокосмическую и оборонную отрасли.

Математическая природа машинного обучения с использованием доказательств с нулевым разглашением (ZK).

Машинное обучение с использованием доказательств с нулевым разглашением (ZK) по своей сути является математическим, а не зависящим от аппаратного обеспечения.
Машинное обучение с использованием доказательств с нулевым разглашением (ZK) – это исключительно математика.

— Ismael Hishon-Rezaizadeh
Эта независимость от аппаратного обеспечения имеет решающее значение для приложений, связанных с конфиденциальностью.
Математические подходы обеспечивают проверяемую конфиденциальность искусственного интеллекта.
Ограничения аппаратного обеспечения не ограничивают машинное обучение с использованием доказательств с нулевым разглашением (ZK).
Этот подход необходим для масштабируемых решений в области конфиденциальности.
Машинное обучение с использованием доказательств с нулевым разглашением (ZK) обеспечивает надежную конфиденциальность без использования специального оборудования.
Его математическая природа является ключевым фактором для его потенциальных применений.

Влияние венчурного финансирования на национальную безопасность.

Венчурное финансирование в традиционных секторах недостаточно для обеспечения национальной безопасности.
Это не является признаком успешного государства.

— Ismael Hishon-Rezaizadeh
Этот недостаток финансирования влияет на технологические инновации в оборонной сфере.
Необходимы дополнительные инвестиции в аэрокосмическую и оборонную промышленность.
Текущее состояние финансирования препятствует прогрессу в области национальной безопасности.
Необходимы стратегические инвестиции в критически важные секторы.
Устранение этого пробела имеет решающее значение для будущей безопасности и инноваций.
Национальная безопасность требует развитой экосистемы венчурного финансирования.