IBM-företag
FHE stödjer
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
Verktygslådan innehåller ett bibliotek
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
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