Spoločnosť IBM
FHE поддерживает
С практической стороны фреймворк может оказаться полезен для организации конфиденциальных облачных вычислений, в системах электронного голосования, в анонимизированных протоколах маршрутизации, для шифрованной обработки запросов в СУБД, для конфиденциальной тренировки систем машинного обучения. В качестве примера применения FHE упоминается организация анализа информации о пациентах медицинских учреждений в страховых компаниях без получения страховой компанией доступа к сведениям, которые могли бы идентифицировать конкретных пациентов. Так же
Тулкит включает в себя библиотеку
Проект развивается с 2009 года, но добиться приемлемых показателей производительности, позволяющих использовать его на практике, удалось только сейчас. Отмечается, что FHE делает гомоморфные вычисления доступными всем желающим, при помощи FHE обычные корпоративные программисты смогут за минуту сделать ту же работу, что раньше требовала часов и дней при привлечении экспертов с учёной степенью.
Из других наработок в области конфиденциальных вычислений, можно отметить
Анализ с использованием методов дифференциальной приватности даёт возможность организациям производить аналитические выборки из статистических БД, не позволяя выделить из общей информации параметры конкретных лиц. Например, для выявления различий в уходе за больными, исследователям можно предоставить информацию, позволяющую сравнить среднее количество времени пребывания пациентов в больницах, но при этом сохраняющую конфиденциальность пациентов и не допускающую выделения сведений о них.
Для защиты идентифицируемой персональной или конфиденциальной информации применяется два механизма: 1. Добавление в каждый результат небольшого статистического «шума», не влияющего на точность извлекаемых данных, но маскирующего вклад отдельных элементов данных.
2. Использование бюджета конфиденциальности, ограничивающего объём выдаваемых для каждого запроса данных и недопускающего дополнительные запросы, которые могут нарушить конфиденциальность.
Zdroj: opennet.ru