บริษัทไอบีเอ็ม
FHE รองรับ
ในทางปฏิบัติ กรอบงานอาจมีประโยชน์สำหรับการจัดระเบียบการประมวลผลบนคลาวด์ที่เป็นความลับ ในระบบการลงคะแนนอิเล็กทรอนิกส์ ในโปรโตคอลการกำหนดเส้นทางที่ไม่ระบุชื่อ สำหรับการประมวลผลคำถามที่เข้ารหัสใน DBMS สำหรับการฝึกอบรมระบบการเรียนรู้ของเครื่องที่เป็นความลับ ตัวอย่างการประยุกต์ใช้ FHE คือ การจัดวิเคราะห์ข้อมูลเกี่ยวกับผู้ป่วยของสถาบันการแพทย์ในบริษัทประกันภัย โดยที่บริษัทประกันภัยไม่สามารถเข้าถึงข้อมูลที่สามารถระบุผู้ป่วยได้โดยเฉพาะ อีกด้วย
ชุดเครื่องมือประกอบด้วยห้องสมุด
โครงการได้รับการพัฒนามาตั้งแต่ปี 2009 แต่ตอนนี้มีความเป็นไปได้ที่จะบรรลุตัวบ่งชี้ประสิทธิภาพที่ยอมรับได้ซึ่งอนุญาตให้นำไปใช้ในทางปฏิบัติได้ มีข้อสังเกตว่า FHE ทำให้ทุกคนสามารถเข้าถึงการคำนวณโฮโมมอร์ฟิกได้ ด้วยความช่วยเหลือของ FHE โปรแกรมเมอร์องค์กรทั่วไปจะสามารถทำงานได้แบบเดียวกันในเวลาไม่กี่นาทีซึ่งต้องใช้เวลาหลายชั่วโมงและหลายวันก่อนหน้านี้เมื่อเกี่ยวข้องกับผู้เชี่ยวชาญที่มีวุฒิการศึกษา
ในบรรดาพัฒนาการอื่นๆ ในด้านการประมวลผลที่เป็นความลับ ก็สามารถสังเกตได้
การวิเคราะห์โดยใช้วิธีความเป็นส่วนตัวที่แตกต่างกันช่วยให้องค์กรสามารถสร้างตัวอย่างการวิเคราะห์จากฐานข้อมูลทางสถิติ โดยไม่อนุญาตให้แยกพารามิเตอร์ของบุคคลใดบุคคลหนึ่งออกจากข้อมูลทั่วไป ตัวอย่างเช่น เพื่อระบุความแตกต่างในการดูแลผู้ป่วย นักวิจัยสามารถได้รับข้อมูลที่ช่วยในการเปรียบเทียบระยะเวลาเฉลี่ยในการพักรักษาตัวของผู้ป่วยในโรงพยาบาล แต่ยังคงรักษาความลับของผู้ป่วยและไม่เน้นข้อมูลของผู้ป่วย
มีการใช้กลไกสองประการเพื่อปกป้องข้อมูลส่วนบุคคลหรือข้อมูลลับที่สามารถระบุตัวตนได้: 1. การเพิ่ม “สัญญาณรบกวน” ทางสถิติจำนวนเล็กน้อยลงในแต่ละผลลัพธ์ ซึ่งไม่ส่งผลกระทบต่อความถูกต้องของข้อมูลที่ดึงออกมา แต่จะปกปิดการมีส่วนร่วมขององค์ประกอบข้อมูลแต่ละรายการ
2. การใช้งบประมาณความเป็นส่วนตัวที่จำกัดจำนวนข้อมูลที่สร้างขึ้นสำหรับแต่ละคำขอ และไม่อนุญาตให้มีคำขอเพิ่มเติมที่อาจละเมิดการรักษาความลับ
ที่มา: opennet.ru