IBM firmao
FHE subtenas
En la praktika flanko, la kadro povas esti utila por organizi konfidencan nuban komputadon, en elektronikaj balotsistemoj, en anonimigitaj vojprotokoloj, por ĉifrita prilaborado de demandoj en DBMS, por konfidenca trejnado de maŝinlernantaj sistemoj. Ekzemplo de la apliko de FHE estas la organizo de analizo de informoj pri pacientoj de medicinaj institucioj en asekurkompanioj sen la asekurkompanio akiranta aliron al informoj kiuj povus identigi specifajn pacientojn. Ankaŭ
La ilaro inkluzivas bibliotekon
La projekto disvolviĝas ekde 2009, sed nur nun eblis atingi akcepteblajn agado-indikilojn, kiuj ebligas praktike uzi ĝin. Oni rimarkas, ke FHE faras homomorfajn kalkulojn alireblaj por ĉiuj; kun la helpo de FHE, ordinaraj kompaniaj programistoj povos fari la saman laboron en minuto, kiu antaŭe postulis horojn kaj tagojn, kiam ili implikas spertulojn kun akademia grado.
Inter aliaj evoluoj en la kampo de konfidenca komputado, ĝi povas esti notita
Analizo uzanta diferencigajn privatecmetodojn permesas al organizoj fari analizajn provaĵojn de statistikaj datumbazoj, sen permesado al ili izoli la parametrojn de specifaj individuoj de ĝeneralaj informoj. Ekzemple, por identigi diferencojn en pacientoprizorgo, esploristoj povas esti provizitaj per informoj kiuj permesas al ili kompari la mezan daŭron de restado de pacientoj en hospitaloj, sed daŭre konservas paciencan konfidencon kaj ne elstarigas pacientinformojn.
Du mekanismoj estas uzataj por protekti identigeblajn personajn aŭ konfidencajn informojn: 1. Aldonante malgrandan kvanton da statistika "bruo" al ĉiu rezulto, kiu ne influas la precizecon de la ĉerpitaj datumoj, sed maskas la kontribuon de individuaj datenelementoj.
2. Uzante privatecan buĝeton, kiu limigas la kvanton de datumoj produktitaj por ĉiu peto kaj ne permesas pliajn petojn, kiuj povus malobservi konfidencon.
fonto: opennet.ru