IBM ընկերություն գործիքակազմի սկզբնական տեքստերը բացելու մասին (IBM Fully Homomorphic Encryption) համակարգի ներդրմամբ տվյալների կոդավորված ձևով մշակելու համար: FHE-ն թույլ է տալիս ստեղծել ծառայություններ գաղտնի հաշվարկների համար, որոնցում տվյալները մշակվում են կոդավորված և բաց ձևով չեն հայտնվում որևէ փուլում: Արդյունքը նույնպես ստեղծվում է կոդավորված: Կոդը գրված է C++ և MIT լիցենզիայի ներքո: Բացի Linux-ի տարբերակից, նմանատիպ գործիքների հավաքածուներ и , գրված է Objective-C. համար տարբերակի հրապարակում .
FHE-ն աջակցում է հոմոմորֆ գործողություններ, որոնք թույլ են տալիս կատարել գաղտնագրված տվյալների գումարում և բազմապատկում (այսինքն՝ կարող եք իրականացնել ցանկացած կամայական հաշվարկ) և ելքում ստանալ կոդավորված արդյունք, որը նման կլինի սկզբնական տվյալների ավելացման կամ բազմապատկման արդյունքի կոդավորմանը: Հոմոմորֆ գաղտնագրումը կարելի է համարել որպես ծայրից ծայր ծածկագրման զարգացման հաջորդ փուլ. բացի տվյալների փոխանցումը պաշտպանելուց, այն ապահովում է տվյալների մշակման հնարավորություն՝ առանց դրանք վերծանելու:
Գործնական առումով, շրջանակը կարող է օգտակար լինել գաղտնի ամպային հաշվարկ կազմակերպելու, էլեկտրոնային քվեարկության համակարգերում, անանուն երթուղային արձանագրություններում, DBMS-ում հարցումների կոդավորված մշակման, մեքենայական ուսուցման համակարգերի գաղտնի վերապատրաստման համար: FHE-ի կիրառման օրինակ է ապահովագրական ընկերություններում բժշկական հաստատությունների հիվանդների մասին տեղեկատվության վերլուծության կազմակերպումն առանց ապահովագրական ընկերությանը հասանելի տեղեկատվության, որը կարող է բացահայտել կոնկրետ հիվանդներին: Նաև մեքենայական ուսուցման համակարգերի մշակում՝ վարկային քարտերով խարդախ գործարքները հայտնաբերելու համար՝ հիմնված գաղտնագրված անանուն ֆինանսական գործարքների մշակման վրա:
Գործիքակազմը ներառում է գրադարան մի քանի հոմոմորֆ գաղտնագրման սխեմաների, ինտեգրված զարգացման միջավայրի (աշխատանքն իրականացվում է բրաուզերի միջոցով) և մի շարք օրինակների ներդրմամբ։ Տեղակայումը պարզեցնելու համար պատրաստվել են պատրաստի դոկերի պատկերներ՝ հիմնված CentOS-ի, Fedora-ի և Ubuntu-ի վրա: Հասանելի են նաև գործիքակազմը սկզբնական կոդից հավաքելու և տեղական համակարգում տեղադրելու հրահանգներ:
Նախագիծը զարգանում է 2009 թվականից, սակայն միայն այժմ է հնարավոր եղել հասնել ընդունելի կատարողականի ցուցանիշների, որոնք թույլ են տալիս այն կիրառել գործնականում: Նշվում է, որ FHE-ն հոմոմորֆ հաշվարկները հասանելի է դարձնում բոլորին, FHE-ի օգնությամբ սովորական կորպորատիվ ծրագրավորողները կկարողանան կատարել նույն աշխատանքը մեկ րոպեի ընթացքում, որը նախկինում պահանջում էր ժամեր և օրեր, երբ ներգրավում էին գիտական աստիճան ունեցող փորձագետներին:
Գաղտնի հաշվարկների ոլորտում այլ զարգացումների թվում կարելի է նշել մեթոդների ներդրմամբ , որը թույլ է տալիս վիճակագրական գործողություններ կատարել տվյալների հավաքածուի վրա բավականաչափ բարձր ճշգրտությամբ՝ առանց դրանում առանձին գրառումներ բացահայտելու հնարավորության։ Նախագիծը համատեղ մշակվում է Microsoft-ի և Հարվարդի համալսարանի հետազոտողների կողմից: Իրականացումը գրված է Rust և Python և MIT լիցենզիայի ներքո:
Գաղտնիության դիֆերենցիալ մեթոդների կիրառմամբ վերլուծությունը թույլ է տալիս կազմակերպություններին վերլուծական նմուշներ պատրաստել վիճակագրական տվյալների բազաներից՝ թույլ չտալով նրանց առանձնացնել կոնկրետ անձանց պարամետրերը ընդհանուր տեղեկատվությունից: Օրինակ, հիվանդների խնամքի տարբերությունները պարզելու համար հետազոտողներին կարող է տրամադրվել տեղեկատվություն, որը թույլ է տալիս նրանց համեմատել հիվանդանոցներում հիվանդների մնալու միջին տևողությունը, բայց դեռևս պահպանում է հիվանդի գաղտնիությունը և չի կարևորում հիվանդի տեղեկատվությունը:
Նույնականացման անհատական կամ գաղտնի տեղեկատվությունը պաշտպանելու համար օգտագործվում են երկու մեխանիզմներ.
2. Գաղտնիության բյուջեի օգտագործում, որը սահմանափակում է յուրաքանչյուր հարցման համար արտադրվող տվյալների քանակը և թույլ չի տալիս լրացուցիչ հարցումներ, որոնք կարող են խախտել գաղտնիությունը:
Source: opennet.ru