Neurale netwerken van Google bedenken hun eigen encryptie

Een team van Google Brain, het deep learning-project van Google, heeft aangetoond dat machines kunnen leren hoe ze hun boodschappen moeten beschermen tegen nieuwsgierige aagjes.

Beeld: Yuri Samoilov
Machines hebben geleerd hoe ze geheime berichten naar elkaar moeten sturen. Beeld: Yuri Samoilov

Onderzoekers Martín Abadi en David Andersen laten zien dat neurale netwerken, of ‘neural nets’ – computersystemen die losjes gebaseerd zijn op kunstmatige neuronen – kunnen uitvogelen hoe ze een eenvoudige encryptietechniek moeten gebruiken.

In het experiment konden computers hun eigen vorm van encryptie maken met behulp van machine learning, zonder specifieke cryptografische algoritmen aangeleerd te krijgen. De encryptie was erg basaal, zeker vergeleken met onze huidige door mensen ontworpen systemen. Toch is het een interessante stap voor neural nets, die, zoals de onderzoekers stellen, ‘over het algemeen niet fantastisch horen te zijn in cryptografie’.

Het team van Google Brain begon met drie neural nets genaamd Alice, Bob en Eve. Elk systeem was getraind om zijn eigen rol in de communicatie te perfectioneren. Alice had als taak een geheime boodschap aan Bob te sturen, Bob moest de boodschap decoderen die Alice gestuurd had, en Eva’s taak was het om te proberen af te luisteren.

Om ervoor te zorgen dat de boodschap geheim bleef, moest Alice haar originele boodschap van normale tekst omzetten in koeterwaals, zodat een eventuele onderschepper (zoals Eva) er niets van zou begrijpen. Het koeterwaals (of ‘cijferschrifttekst’) moest te ontcijferen zijn door Bob, maar door niemand anders. Zowel Alice als Bob begonnen met een van tevoren afgesproken set getallen (de zogenaamde ‘sleutel’) om de boodschap te coderen en decoderen. Eve had deze sleutel niet.

Oefening baart kunst

Aanvankelijk maakten de neural nets een behoorlijk potje van het sturen van geheime boodschappen. Maar naarmate ze meer geoefend hadden, ontwikkelde Alice langzamerhand haar eigen encryptiestrategie en vogelde Bob uit hoe hij die moest ontcijferen.

Toen dit spelletje 15.000 keer gespeeld was, kon Bob de cijferschriftteksen van Alice omzetten in leesbare tekst, terwijl Eve slechts acht van de zestien bits kon raden waaruit de boodschap bestond. Aangezien elke bit alleen een 1 of een 0 kon zijn, is dat dezelfde slaagkans als de kans die te verwachten is bij puur toeval. Het onderzoek is gepubliceerd op voorpublicatiesite arXiv.

We weten niet precies hoe de encryptiemethode werkt, aangezien machine learning wel een oplossing biedt maar niet een eenvoudige manier om te begrijpen hoe die bereikt is. In de praktijk betekent dit dat het moeilijk is om veiligheid te garanderen bij encryptiemethoden die op deze manier tot stand gekomen zijn. Daarom zijn de praktische toepassingsmogelijkheden van deze technologie waarschijnlijk niet groot.

‘De toepassing van neurale netwerken op deze schaal is pas sinds een paar jaar mogelijk, dus we staan nog maar aan het begin van de ontwikkeling’, zegt Joe Sturonas van het encryptiebedrijf PKWARE in Milwaukee, Wisconsin.

Computers hebben nog een lange weg te gaan als ze ooit de door mensenhanden gemaakte geavanceerde encryptiesystemen naar de kroon willen steken. Aan de andere kant: ze zijn nog maar net begonnen om het te proberen.

Altijd op de hoogte blijven van het laatste wetenschapsnieuws? Meld je nu aan voor de New Scientist nieuwsbrief.

Lees verder:

Over de auteur

Timothy Revell

Timothy Revell is freelance wetenschapsjournalist en woonachtig in Glasgow.



Plaats een reactie