Forbedret kryptering og Machine Learning-algoritmer

• Af:
  
• John Nyberg

Når man gemmer data, for eksempel billeder, i en Cloud-service, sørger en algoritme for, at dataene er beskyttet, så ingen andre kan tilgå dem uden den rigtige adgangskode.

En virksomhed, som gemmer data i en Cloud, vil sandsynligvis bruge kryptering for i endnu højere grad at sikre, at ingen tredjepart kan komme ind og se på data.

I forskningsprojektet  ‘Data Structure Techniques in Cryptography & Machine Learning’, som netop har fået støtte fra Danmarks Frie Forskningsfond, skal forskere fra Aarhus Universitet, AU, undersøge, hvordan man bedst gemmer krypteret data i Cloud-services, men hvor man samtidigt sikrer, at man kan regne på ens data hurtigt og effektivt.

"Hvis man har noget data, som er krypteret, men som man godt vil ind og bruge jævnligt, så vil tredjepart måske kunne bryde krypteringen ved at finde mønstre i måden, man læser og tilgår data på. Derfor findes der algoritmer, som også kan kryptere måden, man ser på data, så andre ikke kan se, hvad man har set på," fortæller AU-lektor på Institut for Datalogi Kasper Green Larsen, som sammen med sin forskergruppe skal udvikle en større forståelse af denne krypteringsudfordring.

"Hvis en algoritme skal bruge meget store mængder data, kan det give mening at komprimere data først. Det vil både spare arbejdshukommelse på computeren og gøre, at algoritmen kan tilgå en større mængde data. Kunsten er at komprimere så meget som muligt uden at miste vigtige nuancer" siger Kasper Green Larsen.

Forskerne har allerede fundet frem til den bedste komprimeringsmetode i forhold til størrelsen af det komprimerede data, men, nu vil de undersøge, om komprimeringen kan gøres hurtigere. Forskerne vil også gerne udvikle bedre algoritmer, som kan håndtere mere data hurtigere og ud fra det komme med mere præcise forudsigelser.