Google heeft een systeem geopend voor het analyseren van datasets zonder de vertrouwelijkheid te schenden

Google gepresenteerd cryptografisch protocol voor vertrouwelijke berekeningen met meerdere partijen Privé deelnemen en berekenen, waarmee analyse en berekeningen kunnen worden uitgevoerd op gecodeerde datasets van verschillende deelnemers, waarbij de vertrouwelijkheid van de gegevens van elke deelnemer behouden blijft (elke deelnemer kan geen informatie verkrijgen over de gegevens van andere deelnemers, maar kan er algemene berekeningen op uitvoeren zonder decodering). Protocolimplementatiecode is open gelicentieerd onder Apache 2.0.

Met Private Join and Compute kunt u een privéset records overdragen aan een derde partij, die deze kan analyseren en in het algemeen de verschillen met hun set kan evalueren, maar de waarden van specifieke records niet kan achterhalen. Het is bijvoorbeeld mogelijk om informatie te verkrijgen uit een gecodeerde dataset, zoals het aantal identifiers dat overeenkomt met de set en de som van de waarden van records met overeenkomende identifiers. In dit geval is het onmogelijk om precies te achterhalen welke waarden en identificaties in de set aanwezig zijn.

Private Join en Compute-protocol, ook wel Private Intersection-Sum genoemd, gebaseerd op protocolcombinatie accidentele vergeetachtige overdracht (Random Oblivious Transfer), gecodeerd Bloom-filters en dubbele vermomming Polig-Hellman.

Het voorgestelde systeem kan bijvoorbeeld nuttig zijn wanneer de ene medische instelling informatie heeft over de gezondheidsstatus van patiënten, en de andere over het voorschrijven van een nieuw preventief medicijn. Met het ‘Private Join and Compute’-protocol kunt u, zonder informatie vrij te geven, gecodeerde datasets combineren en algemene statistieken weergeven waarmee u kunt begrijpen of het voorgeschreven medicijn de incidentie van ziekten vermindert of niet. Een ander voorbeeld is dat het op basis van de ongevallendatabase van de staatsverkeersinspectie en de basis van het gebruik van verbeterde veiligheidsapparatuur in auto's mogelijk is om te beoordelen of het uiterlijk van deze apparatuur van invloed is op het aantal ongevallen.

Een ander voorbeeld is wanneer je op basis van het werknemersbestand van het ene bedrijf en aankoopgegevens van een ander bedrijf kunt berekenen hoeveel werknemers van het eerste bedrijf aankopen hebben gedaan bij het tweede en voor welk bedrag. In de context van advertentienetwerken kunnen soortgelijke berekeningen worden gemaakt om de effectiviteit van advertentiecampagnes te evalueren, met behulp van lijsten van gebruikers aan wie een advertentie is getoond (of die op een link hebben geklikt) en die aankopen hebben gedaan in een online winkel.

Bron: opennet.ru