Google పూర్తి హోమోమార్ఫిక్ ఎన్క్రిప్షన్ సిస్టమ్ను అమలు చేసే ఓపెన్ సెట్ లైబ్రరీలు మరియు యుటిలిటీలను ప్రచురించింది, ఇది గణన యొక్క ఏ దశలోనైనా ఓపెన్ రూపంలో కనిపించని గుప్తీకరించిన రూపంలో డేటాను ప్రాసెస్ చేయడానికి మిమ్మల్ని అనుమతిస్తుంది. టూల్కిట్ రహస్య కంప్యూటింగ్ కోసం ప్రోగ్రామ్లను సృష్టించడం సాధ్యం చేస్తుంది, ఇది గుప్తీకరించిన డేటాపై గణిత మరియు సాధారణ స్ట్రింగ్ ఆపరేషన్లను చేయడంతో సహా డిక్రిప్షన్ లేకుండా డేటాతో పని చేస్తుంది. ప్రాజెక్ట్ కోడ్ C++లో వ్రాయబడింది మరియు Apache 2.0 లైసెన్స్ క్రింద పంపిణీ చేయబడింది.
ఎండ్-టు-ఎండ్ ఎన్క్రిప్షన్ కాకుండా, హోమోమార్ఫిక్ ఎన్క్రిప్షన్, డేటా ట్రాన్స్మిషన్ను రక్షించడంతో పాటు, డేటాను డీక్రిప్ట్ చేయకుండా ప్రాసెస్ చేసే సామర్థ్యాన్ని అందిస్తుంది. పూర్తి హోమోమోర్ఫీ అంటే ఎన్క్రిప్టెడ్ డేటాపై అదనంగా మరియు గుణకార కార్యకలాపాలను నిర్వహించగల సామర్థ్యం, దీని ఆధారంగా మీరు ఏదైనా ఏకపక్ష గణనలను అమలు చేయవచ్చు. అవుట్పుట్ గుప్తీకరించిన ఫలితాన్ని ఉత్పత్తి చేస్తుంది, ఇది అసలైన డేటాపై సారూప్య కార్యకలాపాల ఫలితాన్ని గుప్తీకరించడం వలె ఉంటుంది.
హోమోమార్ఫిక్ ఎన్క్రిప్షన్తో డేటాతో పని చేయడం వినియోగదారు డేటాను గుప్తీకరిస్తుంది మరియు కీలను బహిర్గతం చేయకుండా, ప్రాసెసింగ్ కోసం మూడవ పక్ష సేవకు బదిలీ చేస్తుంది. ఈ సేవ పేర్కొన్న గణనలను నిర్వహిస్తుంది మరియు అది ఏ డేటాతో పని చేస్తుందో గుర్తించకుండానే గుప్తీకరించిన ఫలితాన్ని రూపొందిస్తుంది. వినియోగదారు, తన కీలను ఉపయోగించి, జారీ చేసిన డేటాను డీక్రిప్ట్ చేస్తాడు మరియు స్పష్టమైన వచనంలో ఫలితాన్ని అందుకుంటాడు.
కాన్ఫిడెన్షియల్ కంప్యూటింగ్ కోసం క్లౌడ్ సేవలను సృష్టించడం, ఎలక్ట్రానిక్ ఓటింగ్ సిస్టమ్ల అమలు, అనామక రౌటింగ్ ప్రోటోకాల్ల సృష్టి, DBMSలో ఎన్క్రిప్టెడ్ డేటాపై ప్రశ్నలను ప్రాసెస్ చేయడం మరియు మెషిన్ లెర్నింగ్ సిస్టమ్ల రహస్య శిక్షణ వంటివి హోమోమోర్ఫిక్ ఎన్క్రిప్షన్ యొక్క అప్లికేషన్ యొక్క రంగాలలో ఉన్నాయి.
ఉదాహరణకు, గుప్తీకరించిన రూపంలో రోగుల నుండి సున్నితమైన సమాచారాన్ని స్వీకరించగల వైద్య అనువర్తనాల్లో హోమోమోర్ఫిక్ ఎన్క్రిప్షన్ ఉపయోగకరంగా ఉంటుంది మరియు డీక్రిప్షన్ లేకుండా విశ్లేషణలను నిర్వహించే మరియు అసాధారణతలను గుర్తించే సామర్థ్యాన్ని ఆరోగ్య సంరక్షణ నిపుణులకు అందిస్తుంది. వ్యాధులు మరియు నిర్దిష్ట జన్యు ఉత్పరివర్తనాల మధ్య సంబంధాన్ని పరిశీలించే అధ్యయనాలకు హోమోమార్ఫిక్ ఎన్క్రిప్షన్ కూడా సహాయపడుతుంది, దీనికి జన్యు సమాచారం యొక్క వేలాది నమూనాల విశ్లేషణ అవసరం.
C++లో ప్రామాణిక డెవలప్మెంట్ టెక్నిక్లను ఉపయోగించి గుప్తీకరించిన డేటాను ప్రాసెస్ చేయడానికి ప్రోగ్రామ్లను సృష్టించగల సామర్థ్యం ప్రచురించబడిన సాధనాల యొక్క విలక్షణమైన లక్షణం. అందించిన ట్రాన్స్పైలర్ని ఉపయోగించి, C++ ప్రోగ్రామ్ ఎన్క్రిప్టెడ్ డేటాతో పని చేయగల ప్రత్యేక FHE-C++ మాండలికంలోకి మార్చబడుతుంది.
మూలం: opennet.ru