동형암호(Homomorphic Encryption)는 암호화된 상태에서 복호화없이 계산을 수행하는 암호로서 1978년 제안된 이후 오랜 연구를 거쳐 최근 실용화를 앞두고 있다. 본 강연에서는 우선 동형암호의 개념과 최근 연구결과 그리고 이의 기계학습에의 응용을 소개한다.

기계학습(Machine Learning)은 데이터로부터 이를 도출한 함수를 유추하는 과정으로 최근 다양한 분야에서 흥미로운 응용들이 제시되고 있다. 기계학습이 좋은 성과를 거두려면 데이터의 확보가 필수적인데 개인 프라이버시 문제 혹은 데이터 주권의 문제로 인해 좋은 데이터를 확보하는 것이 쉽지 않은 일이다. 동형암호는 암호화한 데이터상에서 복호화없이 기계학습의 훈련단계(Training)나 예측단계(Inference)를 수행할 수 있도록 하며, 이를 통해 데이터의 프라이버시 문제를 극복하고 Private AI의 시대를 열어가고 있다. 본 강연에서는 이 분야의 최근 결과들로 동형 회귀분석(Homomorphic Logistric Regression), 동형 심층신경망(Homomorphic Deep Neural Network), 동형 의사결정나무(Homomorphic Decision Tree)등의 결과와 이의 신용정보, 의료, 마케팅 등에의 응용을 소개하도록 한다.

한편 동형암호의 안전성은 잡음(noise)이 있는 입력이 주어졌을 때 정수론 문제를 푸는 어려움에 기초한다. 이 문제는 전통적인 정수론에서는 다루어 지지 않았던 주제로서 흥미로운 정수론의 새로운 영역이 될것으로 기대된다. 본 강연에서는 간단한 "근사정수론 (Approximate Number Theory)"의 문제와 결과들도 소개한다. (AGCD, LWE/RLWE, SIS/NTRU)