Google отвори система за анализ на масиви от данни, без да нарушава поверителността

Google представени криптографски протокол за поверително многостранно изчисление Частно присъединяване и изчисление, което позволява анализ и изчисления на криптирани набори от данни от няколко участници, запазвайки поверителността на данните на всеки участник (всеки участник не може да получи информация за данните на други участници, но може да извършва обобщени изчисления върху тях без дешифриране). Код за изпълнение на протокола е отворено лицензиран под Apache 2.0.

Private Join and Compute ви позволява да прехвърлите частен набор от записи на трета страна, която ще може да го анализира и като цяло да оцени разликите с техния набор, но няма да може да открие стойностите на конкретни записи. Например, възможно е да се получи информация от криптиран набор от данни, като например броя на идентификаторите, които съответстват на неговия набор, и сумата от стойностите на записите със съвпадащи идентификатори. В този случай е невъзможно да се разбере какви точно стойности и идентификатори присъстват в набора.

Частен протокол за присъединяване и изчисление, наричан още Private Intersection-Sum, базиран на комбинация от протоколи случайно забравено предаване (Random Oblivious Transfer), криптиран Блум филтри и двойна маскировка Полиг-Хелман.

Предложената система може да бъде полезна, например, когато едно лечебно заведение има информация за здравословното състояние на пациентите, а друго за изписването на ново лекарство за превенция. Протоколът „Private Join and Compute“ ви позволява, без да разкривате информация, да комбинирате криптирани набори от данни и да показвате общи статистики, които ще ви позволят да разберете дали предписаното лекарство намалява честотата на заболяването или не. Друг пример е, че въз основа на базата данни за произшествията от държавната инспекция по движението и базата на използването на подобрено оборудване за безопасност в автомобилите е възможно да се прецени дали външният вид на това оборудване влияе върху броя на произшествията.

Друг пример е, когато въз основа на базата от служители на една компания и данни за покупките от друга можете да изчислите колко служители от първата компания са направили покупки от втората и за каква сума. В контекста на рекламните мрежи подобни изчисления могат да бъдат направени за оценка на ефективността на рекламните кампании, като се използват списъци с потребители, на които е показана реклама (или които са кликнали върху връзка) и които са направили покупки в онлайн магазин.

Източник: opennet.ru