北京時間11月1日下午消息，隨著機器學習逐漸普及，機器人將負責處理越來越敏感和私密的數(shù)據。為了保護這些個人信息，谷歌的計算機科學家開發(fā)了幾套能夠自學信息加密的神經網絡。

　 　谷歌旗下深度學習研究項目Google Brain的一個團隊開發(fā)了3個神經網絡，分別名為Alice、Bob和Eve，每個神經網絡都有自己的任務。Alice向Bob發(fā)送加密信息，Bob則 需要對其解密。最后，Eve則試圖在沒有其他神經網絡提供密鑰的情況下破解加密信息。

　　這些神經網絡都沒有學習密碼算法，所以并沒有發(fā)展出復雜的系統(tǒng)。但它們卻可以將純文本轉化成加密信息。

　　研究人員馬丁·阿巴蒂（MarTIn Abadi）和大衛(wèi)·安德森（David Andersen）在論文中寫道：“這一學習過程不需要指定具體的密碼算法，也不需要明確指示如何應用這些算法：只是基于訓練目標的保密規(guī)格來進行。”

　　經過15萬次模擬后，擁有密鑰的兩個神經網絡（Alice和Bob）能夠通過安全方式發(fā)送和解密信息。但整個過程中，Eve都未能成功破解這些加密信息。

　　在傳授了保護數(shù)據的算法后，研究人員還試圖回答一個問題：人工智能是否能學會哪些信息應該使用加密技術來保護。為了做到這一點，阿巴蒂和安德森開發(fā)了另外一個神經網絡：Blind Eve。

　　這個神經網絡只知道有信息被發(fā)送出去了，但卻無法接觸這些信息。Eve的錯誤率低于Blind Eve，但隨著時間的推移，Eve也無法重建更多有關加密內容的信息，仍然只能通過單純了解加密信息的價值分配獲取一些信息。

　　華盛頓大學計算機系教授佩德羅·多明戈（Pedro Domingos）表示，這項研究很有用，但并不清楚學習加密的目的何在。

　　“跳出這篇論文來看，對抗性學習是個很有意思的話題，因為真實世界中的學習通常都要與對手進行對抗，而且對抗模式可以帶來更好的學習效果。”他說。

　　谷歌研究人員表示，神經網絡可以通過訓練來保護特定信息，也可以學會攻擊。

　　該論文總結道：“盡管神經網絡可能不太擅長密碼分析，但它們可能在元數(shù)據和流量分析方面很有用。”（書聿）