Firma IBM o otwarciu kodów źródłowych narzędzia (IBM Fully Homomorphic Encryption) z realizacją systemu do przetwarzania danych w zaszyfrowanej formie. FHE pozwala tworzyć usługi do poufnych obliczeń, w których dane są przetwarzane w postaci zaszyfrowanej i nie występują w jawnej formie na żadnym etapie. Wynik również jest generowany w postaci zaszyfrowanej. Kod napisano w języku C++ i na licencji MIT. Oprócz wersji dla systemu Linux, równolegle rozwijane są analogiczne narzędzia dla i , napisane w Objective-C. W najbliższym czasie oczekiwana jest publikacja wersji dla .
FHE wspiera operacje homomorficzne, które umożliwiają wykonywanie dodawania i mnożenia zaszyfrowanych danych (tj. można zrealizować dowolne obliczenia) i uzyskiwanie zaszyfrowanego wyniku, który byłby analogiczny do szyfrowania wyniku dodawania lub mnożenia danych źródłowych. Homomorficzne szyfrowanie można uznać za następny etap rozwoju szyfrowania end-to-end — oprócz ochrony przesyłania danych, oferowana jest możliwość przetwarzania danych bez ich odszyfrowania.
Z praktycznego punktu widzenia framework może okazać się przydatny do organizacji poufnych obliczeń w chmurze, w systemach głosowania elektronicznego, w anonimizowanych protokołach routingu, do szyfrowanego przetwarzania zapytań w bazach danych, do poufnego trenowania systemów uczenia maszynowego. Jako przykład zastosowania FHE wspomina się organizację analizy informacji o pacjentach placówek medycznych w firmach ubezpieczeniowych bez zapewnienia firmie ubezpieczeniowej dostępu do informacji, które mogłyby identyfikować konkretne osoby. Również rozwój systemów uczenia maszynowego do wykrywania oszukańczych operacji z kartami kredytowymi na podstawie przetwarzania zaszyfrowanych anonimowych transakcji finansowych.
Narzędzie obejmuje bibliotekę z realizacją kilku schematów homomorficznego szyfrowania, zintegrowane środowisko rozwijania (praca odbywa się przez przeglądarkę) oraz zestaw przykładów. W celu uproszczenia wdrożenia przygotowano gotowe obrazy dockerowe bazujące na CentOS, Fedora i Ubuntu. Dostępne są również instrukcje dotyczące kompilacji narzędzia z kodów źródłowych oraz instalacji na lokalnym systemie.
Projekt rozwija się od 2009 roku, ale osiągnięcie akceptowalnych wskaźników wydajności, które umożliwiłyby praktyczne wykorzystanie, udało się dopiero teraz. Podkreśla się, że FHE udostępnia obliczenia homomorficzne wszystkim zainteresowanym, dzięki FHE zwykli programiści korporacyjni będą mogli w kilka minut wykonać tę samą pracę, która wcześniej wymagała godzin lub dni z udziałem ekspertów z tytułem naukowym.
Z innych osiągnięć w dziedzinie obliczeń poufnych można wymienić z wdrożeniem metod , które pozwalają na przeprowadzenie operacji statystycznych nad zestawem danych z dość wysoką dokładnością, bez możliwości identyfikacji poszczególnych rekordów w nim. Projekt jest rozwijany wspólnie przez badaczy z firmy Microsoft i Uniwersytetu Harvarda. Realizacja została napisana w Rust i Pythonie i na licencji MIT.
Analiza z wykorzystaniem metod różnicowej prywatności daje organizacjom możliwość uzyskiwania analitycznych próbek z statystycznych baz danych, nie pozwalając na wydobycie z ogólnych informacji parametrów konkretnych osób. Na przykład, aby zidentyfikować różnice w opiece nad pacjentami, badacze mogą uzyskać informacje, które pozwalają porównać średni czas pobytu pacjentów w szpitalach, jednocześnie zachowując poufność pacjentów i uniemożliwiając wyodrębnienie informacji o nich.
W celu ochrony identyfikowalnych danych osobowych lub informacji poufnych stosuje się dwa mechanizmy: 1. Dodanie do każdego wyniku niewielkiego statystycznego „szumu”, który nie wpływa na dokładność wydobywanych danych, ale maskuje wkład poszczególnych elementów danych.
2. Zastosowanie budżetu poufności, który ogranicza ilość danych wydanych dla każdego zapytania oraz uniemożliwia dodatkowe zapytania, które mogą naruszyć poufność.
Źródło: opennet.ru
