IBM-företag om att öppna verktygslådans källtexter (IBM Fully Homomorphic Encryption) med systemimplementering för behandling av data i krypterad form. FHE låter dig skapa tjänster för konfidentiell databehandling, där uppgifterna behandlas krypterade och inte visas i öppen form i något skede. Resultatet genereras också krypterat. Koden är skriven i C++ och under MIT-licens. Förutom versionen för Linux, liknande verktygssatser för и , skriven i Objective-C. Publiceringen av en version för .
FHE stödjer homomorfa operationer som låter dig utföra addition och multiplikation av krypterad data (dvs. du kan implementera godtyckliga beräkningar) och få ett krypterat resultat vid utgången, vilket skulle likna att kryptera resultatet av att addera eller multiplicera originaldata. Homomorf kryptering kan betraktas som nästa steg i utvecklingen av end-to-end-kryptering - förutom att skydda dataöverföringen ger den möjligheten att behandla data utan att dekryptera den.
På den praktiska sidan kan ramverket vara användbart för att organisera konfidentiell molnberäkning, i elektroniska röstningssystem, i anonymiserade routingprotokoll, för krypterad bearbetning av frågor i ett DBMS, för konfidentiell utbildning av maskininlärningssystem. Ett exempel på tillämpning av FHE är organisering av analys av information om patienter på medicinska institutioner i försäkringsbolag utan att försäkringsbolaget får tillgång till information som kan identifiera specifika patienter. Också utveckling av maskininlärningssystem för att upptäcka bedrägliga transaktioner med kreditkort baserat på bearbetning av krypterade anonyma finansiella transaktioner.
Verktygslådan innehåller ett bibliotek med implementering av flera homomorfa krypteringsscheman, en integrerad utvecklingsmiljö (arbetet utförs via en webbläsare) och en uppsättning exempel. För att förenkla driftsättningen har färdiga docker-bilder baserade på CentOS, Fedora och Ubuntu förberetts. Instruktioner för att sätta ihop verktygslådan från källkoden och installera den på ett lokalt system finns också tillgängliga.
Projektet har utvecklats sedan 2009, men det har först nu varit möjligt att uppnå acceptabla resultatindikatorer som gör att det kan användas i praktiken. Det noteras att FHE gör homomorfa beräkningar tillgängliga för alla, med hjälp av FHE kommer vanliga företagsprogrammerare att kunna göra samma arbete på en minut som tidigare krävt timmar och dagar när de involverade experter med akademisk examen.
Bland andra utvecklingar inom området för konfidentiell databehandling kan det noteras med implementering av metoder , vilket gör det möjligt att utföra statistiska operationer på en datamängd med tillräckligt hög noggrannhet utan möjlighet att identifiera enskilda poster i den. Projektet utvecklas gemensamt av forskare från Microsoft och Harvard University. Implementeringen är skriven i Rust och Python och under MIT-licensen.
Analys med hjälp av differentiella sekretessmetoder gör det möjligt för organisationer att göra analytiska prover från statistiska databaser, utan att tillåta dem att isolera parametrarna för specifika individer från allmän information. Till exempel, för att identifiera skillnader i patientvården, kan forskarna förses med information som gör att de kan jämföra den genomsnittliga vistelsetiden för patienter på sjukhus, men ändå upprätthåller patientens konfidentialitet och inte lyfter fram patientinformation.
Två mekanismer används för att skydda identifierbar personlig eller konfidentiell information: 1. Lägga till en liten mängd statistiskt "brus" till varje resultat, vilket inte påverkar noggrannheten hos de extraherade uppgifterna, utan maskerar bidraget från enskilda dataelement.
2. Använda en sekretessbudget som begränsar mängden data som produceras för varje begäran och inte tillåter ytterligare förfrågningar som kan bryta mot konfidentialitet.
Källa: opennet.ru