Files
2nd/10_Wiki/Topics/Homomorphic-Encryption.md
T
2026-05-02 23:33:34 +09:00

29 lines
2.3 KiB
Markdown

---
id: SEC-HOMO-001
category: Unified
confidence_score: 1.0
tags: [security, cryptography, homomorphic-encryption, [[Privacy-Preserving-AI|Privacy-Preserving-AI]], data-privacy]
last_reinforced: 2026-04-26
---
# Homomorphic Encryption (동형 암호)
## 📌 한 줄 통찰 (The Karpathy Summary)
> "데이터의 자물쇠를 풀지 않고도 그 내용물을 가공하여, 결과물만을 안전하게 돌려받아라" — 암호화된 데이터를 복호화하지 않은 상태에서 덧셈, 곱셈 등 수학적 연산을 수행하고 그 결과 또한 암호화된 형태로 얻을 수 있게 하는 혁신적인 암호 체계.
## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** "Privacy-Preserving Computing" — 민감한 원본 데이터(의료 정보, 개인 금융 등)를 외부에 공개하지 않고도 클라우드나 AI 모델이 이를 학습하거나 분석할 수 있게 하는 보안 연산 패턴.
- **주요 유형:**
- **Partially Homomorphic (PHE):** 덧셈이나 곱셈 중 한 종류의 연산만 지원 (예: RSA, Paillier).
- **Somewhat Homomorphic (SHE):** 제한된 횟수의 연산 지원.
- **Fully Homomorphic (FHE):** 횟수 제한 없이 모든 종류의 산술 연산 지원 (가장 강력함).
- **의의:** '데이터 활용'과 '개인정보 보호'라는 상충하는 가치를 동시에 만족시킬 수 있어, 미래 지능형 의료, 보안 클라우드, 분산 AI 학습의 핵심 기술로 평가됨.
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌:** 연산 속도가 너무 느려 실질적 사용이 불가능하다는 인식이 강했으나, 최근 알고리즘 최적화와 가속 하드웨어의 발전으로 실무 적용 가능한 영역(통계 분석 등)이 확대되고 있음.
- **정책 변화:** Antigravity 프로젝트는 사용자의 민감한 개인 정보를 포함한 '로컬 브레인 로그'를 분석할 때, 동형 암호 기술을 적용하여 분석 서버가 원본 텍스트를 절대 볼 수 없도록 하는 보안 표준을 연구 중임.
## 🔗 지식 연결 (Graph)
- Data-Privacy-Foundations, [[Federated-Learning|Federated-Learning]], Differential-Privacy, Cloud-Security-[[Mastery|Mastery]]
- **Raw Source:** 10_Wiki/Topics/AI/Homomorphic-Encryption.md