IBM သည် Linux အတွက် homomorphic encryption toolkit ကိုဖွင့်သည်။

IBM ကုမ္ပဏီ ကြေငြာခဲ့သည် toolkit ၏ source texts ကိုဖွင့်ခြင်းအကြောင်း FHE (IBM Fully Homomorphic Encryption) စနစ်ဖြင့် အကောင်အထည်ဖော်ခြင်း။ homomorphic encryption အပြည့်အစုံ ကုဒ်ဝှက်ထားသော ပုံစံဖြင့် ဒေတာကို လုပ်ဆောင်ရန်။ FHE သည် သင့်အား လျှို့ဝှက်ကွန်ပြူတာအတွက် ဝန်ဆောင်မှုများကို ဖန်တီးနိုင်စေကာမူ ဒေတာများကို ကုဒ်ဝှက်ထားသော လုပ်ဆောင်ပြီး မည်သည့်အဆင့်တွင်မဆို ပွင့်လင်းသောပုံစံဖြင့် ပေါ်မလာပါ။ ရလဒ်ကိုလည်း ကုဒ်ဝှက်ပြီး ထုတ်ပေးပါသည်။ ကုဒ်ကို C++ နဲ့ရေးထားတယ်။ ဖြန့်ဝေသည် MIT လိုင်စင်အောက်တွင်။ Linux အတွက် ဗားရှင်းအပြင်၊ အလားတူ toolkits များ MacOS и iOS ကိုObjective-C ဖြင့် ရေးသားထားသည်။ ဗားရှင်းတစ်ခုကို ထုတ်ဝေသည်။ အန်းဒရွိုက်.

FHE က ထောက်ခံပါတယ်။ အပြည့် ကုဒ်ဝှက်ထားသော ဒေတာများ ထပ်တိုးခြင်းနှင့် မြှောက်ခြင်းတို့ကို လုပ်ဆောင်ရန် ခွင့်ပြုသည့် homomorphic လုပ်ဆောင်ချက်များ (ဆိုလိုသည်မှာ၊ သင်သည် မည်သည့် မတရားသော တွက်ချက်မှုများကိုမဆို အကောင်အထည်ဖော်နိုင်သည်) နှင့် မူရင်းဒေတာကို ပေါင်းထည့်ခြင်း သို့မဟုတ် မြှောက်ခြင်း၏ ရလဒ်ကို ကုဒ်ဝှက်ခြင်းနှင့် ဆင်တူသည့် အထွက်တွင် ကုဒ်ဝှက်ထားသော ရလဒ်ကို ရယူလိုက်ပါ။ Homomorphic encryption သည် end-to-end encryption ၏နောက်ထပ်အဆင့်အဖြစ် ယူဆနိုင်သည် - data transmission ကိုကာကွယ်ပေးသည့်အပြင်၊ ၎င်းသည် ၎င်းကို decrypt မလုပ်ဘဲ data process လုပ်နိုင်စွမ်းကို ထောက်ပံ့ပေးသည်။

လက်တွေ့တွင်၊ မူဘောင်သည် လျှို့ဝှက် cloud computing၊ အီလက်ထရွန်းနစ်မဲပေးစနစ်များတွင်၊ အမည်မသိလမ်းကြောင်းတင်ပရိုတိုကောများတွင်၊ စက်သင်ယူမှုစနစ်များ၏ လျှို့ဝှက်လေ့ကျင့်မှုများအတွက် DBMS တွင် ကုဒ်ဝှက်ထားသော လုပ်ဆောင်မှုများအတွက်၊ မူဘောင်သည် အသုံးဝင်နိုင်သည်။ FHE ၏ဥပမာတစ်ခုသည် အာမခံကုမ္ပဏီများမှ လူနာများအား သီးခြားလူနာများကို ခွဲခြားသိရှိနိုင်သော အချက်အလက်များကို ရယူခွင့်မရရှိဘဲ အာမခံကုမ္ပဏီများရှိ ဆေးဘက်ဆိုင်ရာအဖွဲ့အစည်းများ၏ လူနာများဆိုင်ရာ အချက်အလက်များကို ခွဲခြမ်းစိတ်ဖြာသည့်အဖွဲ့အစည်းဖြစ်သည်။ ထို့အတူ ဖော်ပြခဲ့သည် ကုဒ်ဝှက်ထားသော အမည်မသိငွေကြေးလွှဲပြောင်းမှုများကို လုပ်ဆောင်ခြင်းအပေါ် အခြေခံ၍ အကြွေးဝယ်ကတ်များဖြင့် လိမ်လည်လှည့်ဖြားမှုများကို ရှာဖွေရန် စက်သင်ယူမှုစနစ်များ ဖော်ဆောင်ခြင်း။

ကိရိယာအစုံတွင် စာကြည့်တိုက်တစ်ခု ပါဝင်သည်။ ဟီလစ်ဘ် homomorphic encryption schemes အများအပြားကို အကောင်အထည်ဖော်ခြင်းဖြင့်၊ ပေါင်းစပ်ဖွံ့ဖြိုးတိုးတက်မှုပတ်ဝန်းကျင် (ဘရောက်ဆာတစ်ခုမှတဆင့် လုပ်ဆောင်သည်) နှင့် နမူနာအစုတစ်ခု။ ဖြန့်ကျက်မှုကို ရိုးရှင်းစေရန်၊ CentOS၊ Fedora နှင့် Ubuntu ကိုအခြေခံ၍ အဆင်သင့်လုပ်ထားသော docker ပုံများကို ပြင်ဆင်ထားပါသည်။ အရင်းအမြစ်ကုဒ်မှ ကိရိယာအစုံကို တပ်ဆင်ရန်နှင့် ၎င်းကို ဒေသန္တရစနစ်တွင် ထည့်သွင်းခြင်းအတွက် လမ်းညွှန်ချက်များလည်း ရရှိနိုင်သည်။

ပရောဂျက်သည် ၂၀၀၉ ခုနှစ်မှ စတင်၍ ရေးဆွဲခဲ့သော်လည်း လက်တွေ့တွင် အသုံးပြုရန် ခွင့်ပြုနိုင်သည့် လက်ခံနိုင်သော စွမ်းဆောင်ရည် အညွှန်းကိန်းများကို ရရှိရန် ယခုမှသာ ဖြစ်နိုင်ချေရှိသည်။ FHE သည် လူတိုင်းလက်လှမ်းမီနိုင်သော homomorphic တွက်ချက်မှုများကို ပြုလုပ်ပေးသည်ဟု မှတ်သားရပြီး FHE ၏အကူအညီဖြင့် သာမန်ကော်ပိုရိတ်ပရိုဂရမ်မာများသည် ပညာရပ်ဆိုင်ရာဘွဲ့တစ်ခုရ ကျွမ်းကျင်သူများပါ၀င်သည့် နာရီနှင့်ရက်များအတွင်း ယခင်ကလိုအပ်သည့် နာရီနှင့်နေ့ရက်များကို တစ်မိနစ်အတွင်း အတူတူလုပ်ဆောင်နိုင်မည်ဖြစ်သည်။

လျှို့ဝှက်ကွန်ပြူတာနယ်ပယ်တွင် အခြားသောတိုးတက်မှုများကြားတွင် ၎င်းကို မှတ်သားနိုင်ပါသည်။ ပရောဂျက်၏ထုတ်ဝေမှု OpenDP နည်းလမ်းများကို အကောင်အထည်ဖော်ခြင်းဖြင့် ကွဲပြားသောကိုယ်ရေးကိုယ်တာ၎င်းတွင် တစ်ဦးချင်းမှတ်တမ်းများကို ခွဲခြားသတ်မှတ်နိုင်စွမ်းမရှိဘဲ လုံလောက်သော မြင့်မားတိကျမှုရှိသော ဒေတာအစုတစ်ခုတွင် စာရင်းအင်းဆိုင်ရာ လုပ်ဆောင်ချက်များကို လုပ်ဆောင်နိုင်စေခြင်း။ အဆိုပါပရောဂျက်ကို မိုက်ခရိုဆော့ဖ်နှင့် ဟားဗတ်တက္ကသိုလ်တို့မှ သုတေသီများက ပူးပေါင်းဖန်တီးလျက်ရှိသည်။ အကောင်အထည်ဖော်မှုကို Rust နှင့် Python နှင့် ရေးသားထားသည်။ ထောက်ပံ့ MIT လိုင်စင်အောက်တွင်။

ကွဲပြားသော ကိုယ်ရေးကိုယ်တာနည်းလမ်းများကို အသုံးပြု၍ ခွဲခြမ်းစိတ်ဖြာခြင်းသည် အဖွဲ့အစည်းများအား ယေဘုယျအချက်အလက်များမှ သီးခြားပုဂ္ဂိုလ်များ၏ ကန့်သတ်ချက်များကို သီးခြားခွဲထုတ်ခြင်းမပြုဘဲ စာရင်းအင်းဒေတာဘေ့စ်များမှ ခွဲခြမ်းစိတ်ဖြာမှုနမူနာများကို ပြုလုပ်ခွင့်ပြုသည်။ ဥပမာအားဖြင့်၊ လူနာပြုစုစောင့်ရှောက်မှုတွင် ကွဲပြားမှုများကို ဖော်ထုတ်ရန်၊ သုတေသီများသည် ဆေးရုံများတွင် လူနာများ၏ ပျမ်းမျှနေထိုင်မှုကြာချိန်ကို နှိုင်းယှဉ်ကြည့်နိုင်သော်လည်း လူနာ၏လျှို့ဝှက်ချက်ကို ဆက်လက်ထိန်းသိမ်းထားပြီး လူနာအချက်အလက်များကို မီးမောင်းထိုးပြခြင်းမရှိပေ။

ခွဲခြားသတ်မှတ်နိုင်သော ကိုယ်ရေးကိုယ်တာ သို့မဟုတ် လျှို့ဝှက်အချက်အလက်များကို ကာကွယ်ရန် ယန္တရားနှစ်ခုကို အသုံးပြုသည်- 1. ရလဒ်တစ်ခုစီသို့ ကိန်းဂဏန်း "ဆူညံသံ" အနည်းငယ်ကို ထည့်သွင်းခြင်းဖြင့် ထုတ်ယူထားသောဒေတာ၏တိကျမှုကို မထိခိုက်စေဘဲ တစ်ဦးချင်းစီဒေတာအစိတ်အပိုင်းများ၏ ပံ့ပိုးမှုကို ဖုံးကွယ်ထားသည်။
2. တောင်းဆိုမှုတစ်ခုစီအတွက် ထုတ်လုပ်သည့်ဒေတာပမာဏကို ကန့်သတ်ထားသည့် ကိုယ်ရေးကိုယ်တာဘတ်ဂျက်ကို အသုံးပြုပြီး လျှို့ဝှက်ချက်ကို ချိုးဖောက်နိုင်သည့် နောက်ထပ်တောင်းဆိုမှုများကို ခွင့်မပြုပါ။

source: opennet.ru