Das Unternehmen Google kryptografisches Protokoll der vertraulichen multipersonalen Berechnung , das die Analyse und Berechnungen über verschlüsselte Datensätze mehrerer Teilnehmer ermöglicht, wobei die Datenvertraulichkeit jedes Teilnehmers gewahrt bleibt (jeder Teilnehmer hat nicht die Möglichkeit, Informationen über die Daten anderer Teilnehmer zu erhalten, kann jedoch allgemeine Berechnungen ohne Entschlüsselung durchführen). Der Implementierungscode des Protokolls unter der Apache 2.0 Lizenz.
Private Join and Compute ermöglicht es, einen privaten Datensatz an eine dritte Person zu übermitteln, die in der Lage ist, ihn zu analysieren und in allgemeiner Form Unterschiede zu ihrem eigenen Datensatz zu bewerten, jedoch nicht in der Lage ist, die Werte bestimmter Datensätze zu erkennen. So besteht beispielsweise die Möglichkeit, aus dem verschlüsselten Datensatz Informationen zu erhalten, wie viele Identifikatoren mit ihrem eigenen Datensatz übereinstimmen und welche Summen der Werte von Datensätzen mit übereinstimmenden Identifikatoren vorhanden sind. Dabei ist es unmöglich zu erfahren, welche spezifischen Werte und Identifikatoren im Datensatz enthalten sind.
Das Protokoll Private Join and Compute, auch bekannt als Private Intersection-Sum, auf Kombinationen des Protokolls (Random Oblivious Transfer), verschlüsselter und doppelter Maskierung .
Das vorgeschlagene System kann nützlich sein, wenn beispielsweise eine medizinische Einrichtung Informationen über den Gesundheitszustand der Patienten hat, während eine andere über die Verordnung eines neuen prophylaktischen Medikaments verfügt. Das Protokoll „Private Join and Compute“ ermöglicht es, verschlüsselte Datensätze zusammenzuführen und allgemeine Statistiken zu erstellen, die zeigen, ob das verschriebene Medikament die Erkrankungsrate senkt oder nicht. Ein weiteres Beispiel, bei dem anhand von Unfallstatistiken der Verkehrspolizei und der Daten zur Anwendung verbesserter Sicherheitsmaßnahmen in Fahrzeugen bewertet werden kann, ob das Auftreten dieser Maßnahmen einen Einfluss auf die Unfallzahlen hat.
Ein weiteres Beispiel, bei dem auf Basis der Mitarbeiterdaten eines Unternehmens und der Kaufdaten eines anderen Unternehmens ermittelt werden kann, wie viele Mitarbeiter des ersten Unternehmens Käufe beim zweiten Unternehmen getätigt haben und in welcher Höhe. Im Kontext von Werbenetzwerken können ähnliche Berechnungen angestellt werden, um die Effektivität von Werbekampagnen zu bewerten, indem man Listen von Nutzern verwendet, denen die Werbung angezeigt wurde (oder die auf den Link geklickt haben) und die Käufe in einem Online-Shop getätigt haben.
Quelle: opennet.ru
