轻量加密、同态加密与区块链：新世代密码学的三大圣杯

密码学是安全通讯的基础。密钥是加解密讯息的重要依据。对于密钥持有者以外的人而言，唯有暴力破解或窃取密钥一途。前者需要庞大运算资源，可能一辈子都徒劳无功，后者相对而言容易许多。1970年代， Whitfield Diffie提出一个崭新的密钥分享协定，解决了如何安全传递密钥的难题，奠定现代安全通讯的基础，也因此获得图灵奖殊荣。然而随着AI与物联网的兴起，密码学也因此遭遇新的难题，本文将聚焦于其中三项前景看好的潜在解决方案。

大数据搜集与轻量密码学

大数据是机器学习的必要条件。人的时间和精力有限，若让人来搜集数据，有太多资讯会被忽略掉。物联网( Internet of things， IoT ) 正能解决这个问题。当今与网路相连的装置通常只有手机和电脑，而物联网的概念是将所有的装置都连成一个网路，以期能更有效地掌控并分析资讯，减少不必要的浪费和消耗。举例来说：如果家中灯泡、冷气、冰箱等家电的使用资讯，能透过物联网收集、记录，并利用人工智慧分析，便能依据使用需求设计出更省电的运作方式，甚至更好的家庭配电模式，提升发电厂效率。

但水能载舟亦能覆舟，物联网若遭有心人士恶意黑入，将会是一场难以想像的灾难。如果家内的冷气被恶意开启也许只是徒增困扰；但如果有人恶意将整个城市的所有电器同时开启，则可能造成发电厂过载、电网瘫痪，甚至影响国家安全，因此，加密通讯异常重要。但许多物联网装置的尺寸非常小，无论计算资源或电池寿命皆有限，无法完全满足通讯加密所需。于是一套不同于电脑通讯的物联网装置加密协定、一套「轻量加密」 ( Lightweight Cryptography ) 却又不在安全性上妥协的密码学，有其必要性。

隐私问题与同态加密

除了恶意黑客外，个人资料的搜集与隐私也是大数据的一大争议。就算使用大数据的机构恪守伦理规范，个资仍有可能流入有心人士手中。常见的情况，是当一般机构没有足够运算能力进行大数据分析时，常如图一A所示，向第三方租借如Amazon Web Service、 Google Cloud Platform等云端计算资源。计算完成后包含隐私资料在内的大数据，是否妥善删除是一大疑问。

同态加密( Homomorphic Encryption ) 是一能解决大数据隐私问题的方法。如图二B所示，工程师在上传数据前先将数据进行加密。为了对资料进行运算( f )，工程师对加密后的资料进行对应的同态运算( g )。g的作用是在资料被加密的状态下对资料做f运算，最后下载并解密得到目标函数f(x) 结果。透过这样的架构，上传到云端做计算的资料总是被预先加密过的，即使资料没有在事后被妥善删除，也没有人能阅读资料内容。这个领域对未来人工智慧的发展非常重要，但目前仍处于研究阶段。IBM今年发表了一篇论文[参2]，将同态加密速度提升75倍，但相较于直接运算还是慢上许多。

信任与区块链

然而并非所有资料都适合同态加密。例如银行在处理与顾客间交易时，需要验证顾客的银行帐户确实有足够的资金进行交易，所以个人的经济资料不能对银行保密。这些资料在银行内部可说是一览无遗，理论上也能被窜改。我们不顾这些疑虑而仍然使用银行服务的原因，在于我们信任银行，用信任来弥补安全性上的疑虑。我们相信：尽管银行有能力窜改资料，他们不会这样做。但是再有信用的银行也可能有倒闭的一天，若要获得绝对的安全性，不能只依靠信任。

区块链( blockchain ) 于焉诞生。其原理是将所有帐户交易分散储存在区块链中。每个人都有一份区块链，所以不需要信任任何个人或银行。当完成交易时，交易的内容会被加密并且上传到区块链，形成一个新的区块。协助新区块加密的人可以获得奖励，也就是比特币等加密货币( 俗称挖矿)。若一个黑客想要窜改区块链上的资讯，如图二，他可以制造一个假的分支(图中分支2)。但是制造新的区块需要庞大的计算资源，只要这位黑客没有整个系统50%以上的计算资源，他制造区块的速度永远比其他诚实使用者还要慢。以比特币为例，系统会选择最长的区块链作为正统，所以真实的分支1会被选用，伪造的分支2则会被淘汰。在如此的防伪机制下，资讯一旦被放在区块链上便难以遭到窜改。