आईबीएम ने लिनक्स के लिए होमोमोर्फिक एन्क्रिप्शन टूलकिट खोला

आईबीएम कंपनी की घोषणा की टूलकिट के स्रोत पाठ को खोलने के बारे में एफएचई (आईबीएम पूर्णतः होमोमोर्फिक एन्क्रिप्शन) सिस्टम कार्यान्वयन के साथ पूर्ण होमोमोर्फिक एन्क्रिप्शन एन्क्रिप्टेड रूप में डेटा प्रोसेसिंग के लिए। एफएचई आपको गोपनीय कंप्यूटिंग के लिए सेवाएं बनाने की अनुमति देता है, जिसमें डेटा को एन्क्रिप्टेड रूप में संसाधित किया जाता है और किसी भी स्तर पर खुले रूप में प्रकट नहीं होता है। परिणाम भी एन्क्रिप्टेड उत्पन्न होता है। कोड C++ में लिखा गया है द्वारा वितरित एमआईटी लाइसेंस के तहत. लिनक्स के लिए संस्करण के अलावा, समान टूलकिट macOS и iOS, ऑब्जेक्टिव-सी में लिखा गया है। के लिए एक संस्करण का प्रकाशन Android.

एफएचई समर्थन करता है पूर्ण होमोमोर्फिक ऑपरेशन जो आपको एन्क्रिप्टेड डेटा को जोड़ने और गुणा करने की अनुमति देते हैं (यानी, आप किसी भी मनमानी गणना को लागू कर सकते हैं) और आउटपुट पर एक एन्क्रिप्टेड परिणाम प्राप्त कर सकते हैं, जो मूल डेटा को जोड़ने या गुणा करने के परिणाम को एन्क्रिप्ट करने के समान होगा। होमोमोर्फिक एन्क्रिप्शन को एंड-टू-एंड एन्क्रिप्शन के विकास में अगला चरण माना जा सकता है - डेटा ट्रांसमिशन की सुरक्षा के अलावा, यह डेटा को डिक्रिप्ट किए बिना संसाधित करने की क्षमता प्रदान करता है।

व्यावहारिक पक्ष पर, ढांचा गोपनीय क्लाउड कंप्यूटिंग के आयोजन के लिए, इलेक्ट्रॉनिक वोटिंग सिस्टम में, अज्ञात रूटिंग प्रोटोकॉल में, डीबीएमएस में प्रश्नों के एन्क्रिप्टेड प्रसंस्करण के लिए, मशीन लर्निंग सिस्टम के गोपनीय प्रशिक्षण के लिए उपयोगी हो सकता है। एफएचई के अनुप्रयोग का एक उदाहरण बीमा कंपनियों में चिकित्सा संस्थानों के रोगियों के बारे में जानकारी के विश्लेषण का संगठन है, बीमा कंपनी को उस जानकारी तक पहुंच प्राप्त नहीं होती है जो विशिष्ट रोगियों की पहचान कर सकती है। भी उल्लेख किया एन्क्रिप्टेड अनाम वित्तीय लेनदेन के प्रसंस्करण के आधार पर क्रेडिट कार्ड के साथ धोखाधड़ी वाले लेनदेन का पता लगाने के लिए मशीन लर्निंग सिस्टम का विकास।

टूलकिट में एक लाइब्रेरी शामिल है हेलिब कई होमोमोर्फिक एन्क्रिप्शन योजनाओं के कार्यान्वयन के साथ, एक एकीकृत विकास वातावरण (कार्य एक ब्राउज़र के माध्यम से किया जाता है) और उदाहरणों का एक सेट। तैनाती को सरल बनाने के लिए, CentOS, Fedora और Ubuntu पर आधारित तैयार डॉकर छवियां तैयार की गई हैं। सोर्स कोड से टूलकिट को असेंबल करने और इसे स्थानीय सिस्टम पर इंस्टॉल करने के निर्देश भी उपलब्ध हैं।

यह परियोजना 2009 से विकसित हो रही है, लेकिन स्वीकार्य प्रदर्शन संकेतक प्राप्त करना अब केवल संभव हो सका है जो इसे व्यवहार में उपयोग करने की अनुमति देता है। यह ध्यान दिया जाता है कि एफएचई होमोमोर्फिक गणनाओं को सभी के लिए सुलभ बनाता है; एफएचई की मदद से, सामान्य कॉर्पोरेट प्रोग्रामर एक मिनट में वही काम करने में सक्षम होंगे जो पहले शैक्षणिक डिग्री वाले विशेषज्ञों को शामिल करते समय घंटों और दिनों की आवश्यकता होती थी।

गोपनीय कंप्यूटिंग के क्षेत्र में अन्य विकासों के बीच, इसे नोट किया जा सकता है परियोजना का प्रकाशन ओपनडीपी तरीकों के कार्यान्वयन के साथ विभेदक गोपनीयता, इसमें व्यक्तिगत रिकॉर्ड की पहचान करने की क्षमता के बिना पर्याप्त उच्च सटीकता के साथ डेटा सेट पर सांख्यिकीय संचालन करने की अनुमति मिलती है। यह परियोजना माइक्रोसॉफ्ट और हार्वर्ड विश्वविद्यालय के शोधकर्ताओं द्वारा संयुक्त रूप से विकसित की जा रही है। कार्यान्वयन रस्ट और पायथन में लिखा गया है आपूर्ति एमआईटी लाइसेंस के तहत।

विभेदक गोपनीयता विधियों का उपयोग करके विश्लेषण संगठनों को सामान्य जानकारी से विशिष्ट व्यक्तियों के मापदंडों को अलग करने की अनुमति दिए बिना, सांख्यिकीय डेटाबेस से विश्लेषणात्मक नमूने बनाने की अनुमति देता है। उदाहरण के लिए, रोगी देखभाल में अंतर की पहचान करने के लिए, शोधकर्ताओं को ऐसी जानकारी प्रदान की जा सकती है जो उन्हें अस्पतालों में रोगियों के रहने की औसत अवधि की तुलना करने की अनुमति देती है, लेकिन फिर भी रोगी की गोपनीयता बनाए रखती है और रोगी की जानकारी को उजागर नहीं करती है।

पहचान योग्य व्यक्तिगत या गोपनीय जानकारी की सुरक्षा के लिए दो तंत्रों का उपयोग किया जाता है: 1. प्रत्येक परिणाम में थोड़ी मात्रा में सांख्यिकीय "शोर" जोड़ना, जो निकाले गए डेटा की सटीकता को प्रभावित नहीं करता है, लेकिन व्यक्तिगत डेटा तत्वों के योगदान को छुपाता है।
2. एक गोपनीयता बजट का उपयोग करना जो प्रत्येक अनुरोध के लिए उत्पादित डेटा की मात्रा को सीमित करता है और अतिरिक्त अनुरोधों की अनुमति नहीं देता है जो गोपनीयता का उल्लंघन कर सकते हैं।

स्रोत: opennet.ru