Google hat ein System zur Analyse von Datensätzen ohne Verletzung der Vertraulichkeit eröffnet

Google präsentiert kryptografisches Protokoll für vertrauliche Mehrparteienberechnungen Private Teilnahme und Berechnung, das Analysen und Berechnungen an verschlüsselten Datensätzen mehrerer Teilnehmer ermöglicht und dabei die Vertraulichkeit der Daten jedes Teilnehmers wahrt (jeder Teilnehmer ist nicht in der Lage, Informationen über die Daten anderer Teilnehmer zu erhalten, kann jedoch allgemeine Berechnungen ohne Entschlüsselung an ihnen durchführen). Protokollimplementierungscode ist offen lizenziert unter Apache 2.0.

Mit Private Join and Compute können Sie einen privaten Satz von Datensätzen an einen Dritten übertragen, der ihn analysieren und allgemein die Unterschiede zu seinem Satz bewerten kann, jedoch nicht in der Lage ist, die Werte bestimmter Datensätze herauszufinden. Beispielsweise ist es möglich, Informationen aus einem verschlüsselten Datensatz zu erhalten, etwa die Anzahl der Identifikatoren, die zu seinem Satz passen, und die Summe der Werte von Datensätzen mit passenden Identifikatoren. In diesem Fall ist es unmöglich, genau herauszufinden, welche Werte und Bezeichner in der Menge vorhanden sind.

Private Join and Compute-Protokoll, auch als Private Intersection-Sum bezeichnet, gegründet zur Protokollkombination versehentliche, vergessene Übertragung (Random Oblivious Transfer), verschlüsselt Bloom-Filter und doppelte Verkleidung Polig-Hellman.

Das vorgeschlagene System kann beispielsweise nützlich sein, wenn eine medizinische Einrichtung über Informationen über den Gesundheitszustand von Patienten verfügt und eine andere über die Verschreibung eines neuen vorbeugenden Arzneimittels. Das „Private Join and Compute“-Protokoll ermöglicht es Ihnen, ohne Offenlegung von Informationen verschlüsselte Datensätze zu kombinieren und allgemeine Statistiken anzuzeigen, anhand derer Sie nachvollziehen können, ob das verschriebene Medikament das Krankheitsrisiko verringert oder nicht. Ein weiteres Beispiel ist, dass anhand der Unfalldatenbank der staatlichen Verkehrsinspektion und der Grundlage für den Einsatz verbesserter Sicherheitsausrüstung in Autos beurteilt werden kann, ob das Aussehen dieser Ausrüstung die Anzahl der Unfälle beeinflusst.

Ein weiteres Beispiel ist, wenn Sie anhand der Mitarbeiterbasis eines Unternehmens und der Kaufdaten eines anderen Unternehmens berechnen können, wie viele Mitarbeiter des ersten Unternehmens beim zweiten Unternehmen eingekauft haben und für welchen Betrag. Im Kontext von Werbenetzwerken können ähnliche Berechnungen durchgeführt werden, um die Wirksamkeit von Werbekampagnen zu bewerten, indem Listen von Benutzern verwendet werden, denen eine Anzeige angezeigt wurde (oder die auf einen Link geklickt haben) und die in einem Online-Shop eingekauft haben.

Source: opennet.ru