Google AI 新进展：没人知道它的工作原理

该加密系统的设置方式。P=输入普通文本，K=共享密钥，C=加密文本，而PEve与PBob则为计算后的明文输出结果。

Google Brain团队（位于山景城，与伦敦的Deep Mind团队不同）首先构建起三套相当普通的神经网络，分别命名为Alice、Bob与Eve。

每套神经网络都拥有非常具体的目标：Alice负责向Bob发送安全消息; Bob必须尝试对消息进行解密; Eve则必须尝试拦截该消息并进行解密。Alice与Bob在与Eve的对抗中拥有一大优势：双方起始时拥有一条共享密钥（对称加密）。

重要的是，AI并不了解要如何对信息进行加密或者应当使用什么加密技术：它们仅仅得到一项失败函数（即失败条件），所有工作都要以为基础展开。

在Eve方面，失败函数非常简单：测定Alice原始输入文本得出猜测结果之间正确与错误bit的差别。对于Alice与Bob，失败函数则更加复杂：如果Bob的猜测（针对bit测量结果）距离原始输入文本太远，则被称为失败; 对于Alice，如果Eve的猜测结果较随机猜测更准确，则视为失败。如此一来，这套对抗性创造网络（简称GAN）即构建完毕。

Alice、Bob与Eve皆共享同样的“混合与转换”神经网络架构，但各自独立进行初始化，且除Alice与Bob间共享密钥外再无其它联系。对于Alice，密钥与文本被输入至该神经网络的首层; 对于Bob，密钥与密文作为输入结果; 而对于Eve，则仅能获得密文。首层完全连接，因此文本与密钥能够进行融合。后则为多个卷积层，它们用于学习以对由第一层交付的bit进行函数应用。并且并不知晓该函数具体是什么，而必须通过学习逐步了解。对于Alice，最终层将交付一些密文，而Bob与Eve则输出认为正确的明文。

Bob与Eve在训练过程中不断重建误差。可以看到Eve一直在不断改进，但Alice与Bob也在进行加密方法变更并不断挫败Eve的“阴谋”。

结果是……比较复杂。一部分运行结果彻底失败，Bob根本无法重构Alice给出的消息。但在大多数情况下，Alice与Bob确实能够构建起一套演进系统，双方间的通信理解保持着极低的误差率。

在部分测试中，Eve确实给出了优于随机猜测的结果解读，但Alice与Bob随后往往会改进自己的加密技术直到Eve再次陷入失败（详见图表）。

研究人员无法对Alice与Bob设计的加密方法进行详尽分析，但通过特定训练来看，他们发现Alice与Bob同时依赖于密钥与明文内容。“不过绝不是简单的XOR。具体来讲，输出的值通常为非0与1的浮点值，”他们解释称。

作为总结，研究员Martin Abadi与David G. Andersen表示，这些神经网络确实能够学习如何通过仅告知Alice加密内容本身保护通信内容——而更重要的是，这种保密效果无需指定特定加密算法集合即可实现。

当然，除了数据对称加密之外还有大量其它技术可供使用，而研究人员们指出未来的工作将着眼于隐写（即将数据隐藏在其它媒体之内）及非对称（公钥）加密。

至于Eve是否会成为一种强大的安全挑战方案，研究人员表示：“虽然看起来神经网络在密码分析领域似乎不太可能起到重要作用，但在元数据与流量分析方面则拥有巨大的发展潜力。”