Intel ha mostrato per la prima volta il chip per la crittografia completamente omomorfa (Fully Homomorphic Encryption, FHE), che affronta compiti 5000 volte più velocemente dei tradizionali processori server. Questo è l'acceleratore Heracles, sviluppato su commissione dell'esercito americano per contrastare gli attacchi da parte dei computer quantistici. Heracles accelera l'elaborazione di informazioni completamente crittografate senza alcuna decodifica, mantenendo la riservatezza in tutte le fasi.
La crittografia completamente omomorfa (Fully Homomorphic Encryption, FHE) è una tecnologia crittografica promettente che consente di eseguire calcoli arbitrari su dati crittografati senza la necessità di decrittarli. Questo risolve il fondamentale problema di fiducia nei servizi cloud e nei sistemi di intelligenza artificiale: i dati rimangono completamente chiusi per le piattaforme anche durante l'elaborazione. Tuttavia, il principale ostacolo all'uso pratico della FHE rimane la bassa performance dei normali processori e delle schede grafiche.
Ulteriori dettagli sulla matematica "enigmatica" della crittografia completamente omomorfa possono essere trovati nell'articolo "Complete homomorfismo — e nessuna fiducia!" dal nostro archivio. Per non approfondire, è importante notare che su normali CPU e GPU tali operazioni possono essere da migliaia a decine di migliaia di volte più lente rispetto al lavoro con dati aperti. È proprio per questo che le principali aziende e startup stanno attivamente sviluppando acceleratori specializzati per FHE. Dopotutto, l'anonimato sarà sempre richiesto.
Il chip, denominato "Eracle", è in fase di sviluppo da parte di Intel da cinque anni. Prima della conferenza ISSCC del mese scorso, se ne sapeva poco. Ora Intel è pronta a condividere informazioni in modo dosato, poiché i concorrenti non stanno fermi ed è importante rimanere nel radar. Secondo i rappresentanti dell'azienda, Heracles accelera i calcoli FHE fino a 5000 volte rispetto ai migliori processori server Intel Xeon (ad esempio, il Sapphire Rapids a 24 core).
Il chip è realizzato con il più avanzato processo tecnologico FinFET a 3 nm dell'azienda, ha una superficie circa 20 volte maggiore rispetto alle soluzioni concorrenti nel campo dell'FHE (oltre 200 mm² rispetto ai circa 10 mm² dei concorrenti) e funziona in stretta collaborazione con due moduli HBM da 24 GB ciascuno. Il chip e la memoria sono racchiusi in un blocco di raffreddamento comune e refrigerati con un fluido criogenico. In generale, il design ricorda una GPU di alta gamma, ma si occupa di compiti diversi.
L'architettura "Ercole" presenta una struttura a celle che collega coppie di chip di elaborazione tramite un bus con una larghezza di banda di 9,6 TByte/s. La memoria esterna HBM con una capacità totale di 48 GB è memorizzata in una cache comune di 64 MB per tutte le coppie di chip. Il canale di accesso alla memoria esterna offre 819 GB/s. Caratteristiche simili non sono nemmeno sognabili dai più potenti acceleratori grafici disponibili oggi.
L'azienda afferma che Heracles è il primo chip FHE a funzionare "su scala". In altre parole, non si tratta di una dimostrazione in laboratorio, ma di una soluzione in grado di eseguire compiti reali su larga scala. In una dimostrazione dal vivo all'ISSCC, il chip ha elaborato una richiesta anonima a un database elettorale crittografato (funzione di verifica della registrazione al voto) in 14 µs invece di 15 ms su Xeon — una differenza che, nel controllo di 100 milioni di schede, riduce il tempo da 17 giorni a 23 minuti.
La presentazione pubblica di "Heracles" può essere considerata un passo importante nella corsa alla commercializzazione delle piattaforme hardware FHE. Start-up come Duality Technologies, Optalysys, Niobium Microsystems e altre stanno anche promuovendo attivamente le loro soluzioni, ma Intel punta a mantenere la propria posizione di leadership nel settore, supportando uno sviluppo promettente. Se la tecnologia dovesse diffondersi ampiamente, cambierebbe radicalmente l'approccio alla privacy nel cloud computing, nell'analisi dei dati, nel machine learning e in molti altri settori, dove attualmente è necessario sacrificare la riservatezza a favore della velocità di elaborazione.
Fonte:
Fonte: 3dnews.ru
