Kompania IBM rreth hapjes së kodeve burimorë të toolkit-it (IBM Fully Homomorphic Encryption) me implementimin e sistemit për përpunimin e të dhënave në formën e enkriptuar. FHE lejon krijimin e shërbimeve për përllogaritje konfidenciale, ku të dhënat përpunohen të enkriptuara dhe nuk shfaqen në formë të hapur në asnjë prej fazave. Rezultati gjithashtu formohet të enkriptuar. Kodi është shkruar në gjuhën C++ dhe në përputhje me licencën MIT. Përveç versionit për Linux, njëkohësisht zhvillohen toolkit-e të ngjashme për dhe , shkruar në Objective-C. Pritet së shpejti publikimi i një varianti për .
FHE mbĂ«shtet tĂ« cilat lejojnĂ« kryerjen e mbledhjeve dhe shumĂ«zimeve tĂ« tĂ« dhĂ«nave tĂ« enkriptuara (dmth. Ă«shtĂ« e mundur tĂ« realizohen çdo lloj pĂ«rllogaritjesh tĂ« rastit) dhe tĂ« merret si rezultat njĂ« rezultat i enkriptuar, i cili do tĂ« ishte analog me enkriptimin e rezultatit tĂ« mbledhjes ose shumĂ«zimit tĂ« tĂ« dhĂ«nave burimore. Enkriptimi homomorfik mund tĂ« konsiderohet si njĂ« hap i ardhshĂ«m nĂ« zhvillimin e enkriptimit end-to-end â pĂ«rveç mbrojtjes sĂ« transferimit tĂ« tĂ« dhĂ«nave, ofrohet mundĂ«sia e pĂ«rpunimit tĂ« tĂ« dhĂ«nave pa i dekoduar ato.
Nga një këndvështrim praktiku, kuadri mund të jetë i dobishëm për organizimin e llogaritjeve cloud konfidenciale, në sistemet e votimit elektronik, në protokollet e anonimizuara të rutimit, për përpunimin e kërkesave të enkriptuara në DBMS, për trajnimin konfidencial të sistemeve të mësimit të makinave. Një shembull i përdorimit të FHE përmendet si organizimi i analizës së informacionit mbi pacientët në institucionet mjekësore në kompanitë e sigurimeve pa i dhënë akses kompanisë së sigurimeve në të dhënat që mund të identifikonin pacientët e veçantë. Po ashtu zhvillimi i sistemeve të mësimit të makinave për identifikimin e operacioneve mashtruese me karta krediti në bazë të përpunimit të transaksioneve financiare anonime të enkriptuara.
Toolkit përmban një bibliotekë me realizimin e disa skemave të enkriptimit homomorfik, një ambient të integruar zhvillimi (puna kryhet përmes shfletuesit) dhe një grup shembujsh. Për të lehtësuar shpërndarjen, janë përgatitur imazhe docker të gatshme të bazuara në CentOS, Fedora dhe Ubuntu. Po ashtu, janë në dispozicion udhëzime për ndërtimin e toolkit-it nga kodet burimore dhe instalimin në sistemin lokal.
Projekti ka filluar të zhvillohet që në vitin 2009, por arritja e treguesve të përballueshëm të performancës, të cilat e mundësojnë përdorimin e tij në praktikë, është realizuar vetëm tani. Vërehet se FHE e bën llogaritjen homomorfike të aksesueshme për të gjithë ata që dëshirojnë, duke lejuar programuesit e zakonshëm të korporatave të kryejnë në një minutë atë që më parë kërkonte orë e ditë me angazhimin e ekspertëve me gradë të lartë.
Nga përpjekjet e tjera në fushën e llogaritjeve të besueshme, mund të përmenden me implementimin e metodave , duke lejon të bëjnë operacione statistike mbi grupe të dhënash me një saktësi relativisht të lartë pa mundësinë e identifikimit të regjistrimeve të veçanta brenda tyre. Projekti zhvillohet në bashkëpunim me kërkuesit nga kompania Microsoft dhe Universiteti i Harvardit. Zbatimi është shkruar në Rust dhe Python dhe në përputhje me licencën MIT.
Analiza duke përdorur metodat e privatësisë diferenciale i jep mundësi organizatave të prodhojnë mostra analitike nga DB statistikore, duke mos lejuar të identifikohen parametrat e individëve të veçantë nga informacioni i përgjithshëm. Për shembull, për të zbuluar ndryshimet në kujdesin për pacientët, hulumtuesit mund të ofrojnë informacion që lejon krahasimin e kohës mesatare të qëndrimit të pacientëve në spital, ndërkohë që ruan privatësinë e pacientëve dhe nuk lejon daljen në informacionet e tyre.
Për të mbrojtur informacionin personal të identifikueshëm ose konfidencial, aplikohen dy mekanizma: 1. Shtimi i një 'zhurme' statistikore të vogël në çdo rezultat, e cila nuk ndikon në saktësinë e të dhënave të nxjerra, por maskon kontributin e elementeve individuales të të dhënave.
2. Përdorimi i buxhetit të privatësisë, i cili kufizon sasinë e të dhënave të dhëna për çdo kërkesë dhe nuk lejon kërkesa shtesë që mund të shkelin privatësinë.
Burimi: opennet.ru
