IBM om åbningen af kildekoden til værktøjet (IBM Fully Homomorphic Encryption) med implementeringen af et system til behandling af data i krypteret form. FHE gør det muligt at skabe tjenester til fortrolige beregninger, hvor data behandles krypteret og ikke fremgår i åben form på noget tidspunkt. Resultatet genereres også krypteret. Koden er skrevet i C++ og er under MIT-licens. Udover versionen til Linux udvikles der samtidig lignende værktøjer til og , skrevet i Objective-C. En version til .
FHE understøtter homomorfe operationer, der muliggør addition og multiplikation af krypterede data (dvs. det er muligt at udføre enhver vilkårlig beregning) og få et krypteret resultat, der er svarende til krypteringen af resultatet af addition eller multiplikation af de oprindelige data. Homomorfisk kryptering kan betragtes som det næste udviklingstrin inden for ende-til-ende kryptering — udover beskyttelse af dataoverførsel giver det mulighed for behandling af data uden dekryptering.
Fra en praktisk synsvinkel kan rammeværket vise sig nyttigt til organiseringen af fortrolige cloud-beregninger, i elektroniske afstemningssystemer, i anonymiserede routingprotokoller, til krypteret behandling af forespørgsler i DBMS, til fortrolig træning af maskinlæringssystemer. Som et eksempel på anvendelsen af FHE nævnes organiseringen af analysering af information om patienter i medicinske institutioner inden for forsikringsselskaber uden at forsikringsselskabet får adgang til oplysninger, der kunne identificere specifikke patienter. Også udvikling af maskinlæringssystemer til at afdække bedrageriske aktiviteter med kreditkort baseret på behandling af krypterede anonyme finansielle transaktioner.
Værktøjet inkluderer et bibliotek med implementering af flere skemaer for homomorfisk kryptering, et integreret udviklingsmiljø (arbejdet udføres via en browser) og et sæt eksempler. For at lette implementeringen er der forberedt færdige docker-images baseret på CentOS, Fedora og Ubuntu. Derudover er der tilgængelige instruktioner til at samle værktøjet fra kildekoden og installere det på et lokalt system.
Projektet har været under udvikling siden 2009, men det er først nu, at der er opnået acceptable præstationsniveauer, der muliggør praktisk anvendelse. Det bemærkes, at FHE gør homomorfe beregninger tilgængelige for alle interesserede; ved hjælp af FHE kan almindelige virksomhedens programmører udføre det samme arbejde på et minut, som tidligere krævede timer og dage med involvering af eksperter med doktorgrad.
Blandt andre fremskridt inden for fortrolige beregninger kan nævnes med implementeringen af metoder, der muliggør, at statistiske operationer over datasæt udføres med tilstrækkelig høj præcision uden mulighed for at identificere individuelle poster i det. Projektet udvikles i fællesskab af forskere fra Microsoft og Harvard University. Implementeringen er skrevet i Rust og Python, og under MIT-licensen.
Analyse ved hjælp af metoder til differentiel privatliv giver organisationer mulighed for at lave analytiske prøver fra statistiske databaser, uden at det er muligt at fremhæve specifikke personers oplysninger. For eksempel, til at identificere forskelle i pleje af patienter kan forskerne få oplysninger, der tillader sammenligning af den gennemsnitlige opholdstid for patienter på hospitaler, men samtidig opretholder patienternes fortrolighed og forhindrer udtræk af oplysninger om dem.
For at beskytte identificerbar personlig eller fortrolig information anvendes der to mekanismer: 1. Tilføjelse af et lille statistisk "støj" til hvert resultat, som ikke påvirker præcisionen af de udtrukne data, men som maskerering af bidraget fra individuelle datalægger.
2. Brug af et fortrolighedsbudget, der begrænser mængden af dataudlevering for hver anmodning og forhindrer yderligere anmodninger, der kan krænke fortroligheden.
Kilde: opennet.ru
