Гостевой пост HodlXОтправьте свой пост
Как исследователя, глубоко погруженного в мир передовой криптографии и безопасных вычислений, меня постоянно вдохновляет неустанное стремление к прогрессу в области полного гомоморфного шифрования (FHE). Имея за плечами более чем двадцатилетний опыт, я стал свидетелем эволюции от теоретических концепций к практическим приложениям, которые таят в себе огромный потенциал для преобразования экономики данных.
Спрос на полностью гомоморфное шифрование (FHE) растет, поскольку компании стремятся к более надежным вариантам защиты данных в условиях все более регулируемой среды.
Один из методов перефразирования для облегчения понимания: функционально-гомоморфное шифрование (FHE) позволяет обрабатывать данные без необходимости их расшифровки, что потенциально может спровоцировать трансформацию в секторах, в значительной степени ориентированных на защиту данных.
Как любопытный криптоэнтузиаст, я хочу узнать больше о полностью гомоморфном шифровании (FHE). Я стремлюсь пролить свет на некоторые часто задаваемые вопросы, раскрывая его текущие возможности и исследуя его многообещающее будущее, которое произведет революцию в способах безопасной обработки данных.
Что вдохновило на разработку THE
Гомоморфное шифрование неуклонно развивалось на протяжении нескольких десятилетий, начиная с непреднамеренного открытия частично гомоморфных структур, за которым последовало более целенаправленное развитие по мере его усовершенствования исследователями. К 2009 году его потенциал был полностью реализован, и в течение последующего десятилетия его возможности продолжали расширяться.
Проще говоря, эти достижения означают, что данные могут быть безопасно отправлены для обработки в такие места, как облако, система искусственного интеллекта или другим сторонам, без необходимости беспокоиться о потенциальных утечках конфиденциальности.
Тем не менее, объем вычислительной мощности, необходимой для практического применения полного гомоморфного шифрования (FHE), был значительно больше, чем обычно требуется для обычных вычислений, что сделало его сложным предложением для широкого использования и ограничило его практическое применение в основном академическими исследованиями.
Однако теперь интерес и развитие FHE обусловлены новыми силами.
Предприятиям приходится маневрировать через сложную сеть законов, которая включает в себя Общий регламент по защите данных (GDPR) в Европе, Калифорнийский закон о конфиденциальности потребителей (CCPA) и различные нормативные акты как минимум в 14 других штатах США.
И тем не менее, коммерческий спрос на сторонние данные продолжает расти – компании рассчитывают на возможность получать новые данные для решения сложных проблем, начиная от обнаружения финансового мошенничества и заканчивая исследованием методов лечения.
В то же время альтернативы THE, обеспечивающие конфиденциальность, сталкиваются со значительными препятствиями.
Неоднократно было продемонстрировано, что подходы к конфиденциальным вычислениям, такие как Trusted Execution Environments (TEE), могут быть скомпрометированы посредством атак по побочным каналам или прямых нарушений, что потенциально ставит компании, использующие эти методы, в уязвимое положение.
Альтернативные методы, которые отдают приоритет конфиденциальности, такие как безопасные многосторонние вычисления, часто требуют постоянного соединения между несколькими компьютерами во время вычислений. Это подразумевает сложную структуру настройки сети и повышенную восприимчивость к сбоям в случае возникновения проблем на любом из участвующих компьютеров или сетевых подключений.
Вместо FHE рассмотрите возможность использования «Полностью гомоморфного шифрования», которое обеспечивает математически проверенные гарантии конфиденциальности, избегает сложной настройки сети и доверяет исключительно надежности одного центрального вычислительного сервера.
Сочетание надежной защиты конфиденциальности, гарантированной криптографией, и простоты реализации ставит полное гомоморфное шифрование (FHE) на первый план в качестве потенциального решения для обеспечения надежных гарантий конфиденциальности в таких секторах, как финансы и здравоохранение, где конфиденциальность имеет решающее значение.
Используя полное гомоморфное шифрование (FHE), предприятия могут выполнять вычисления непосредственно на зашифрованных данных, тем самым обеспечивая безопасность информации как на этапах хранения и обработки, так и во время ее передачи.
В настоящее время мы возглавляем новую волну аппаратных ускорителей, продвигая практическое использование полного гомоморфного шифрования (FHE) на рынке.
Мы собираемся вступить в совершенно новую фазу, когда дело касается конфиденциальности данных. В ближайшем будущем маловероятно, что мы будем делиться или передавать какие-либо вычисления без предварительного шифрования наших данных.
Не могли бы вы объяснить мне идею обработки данных, пока они еще зашифрованы, и что делает этот подход важным с точки зрения защиты данных?
Раньше наше внимание уделялось защите данных, хранящихся (в состоянии покоя) на таких устройствах, как жесткие диски, и данных, передаваемых (в движении) по сетям, с помощью методов шифрования.
Чтобы работать с данными, нам пришлось сначала их расшифровать, так как ни один из существующих методов шифрования не был предназначен для вычислений одновременно.
Перевод данных показал их всем, кто выполнял вычисления, а это означало, что владелец данных должен был доверять тем, кто выполнял вычисления.
Инновационные методы шифрования, подобные методам полного гомоморфного шифрования (FHE), не только скрывают данные, но и позволяют выполнять вычисления непосредственно над самой зашифрованной информацией.
В результате владельцам данных не нужно доверять тем, кто выполняет вычисления, чтобы сохранить конфиденциальность данных.
Этот новаторский подход «нулевого доверия, полного расчета» существенно меняет динамику отношений между держателями данных и обработчиками. Это позволяет безопасно передавать вычисления на аутсорсинг, сводя к минимуму риск утечки или компрометации данных.
Каковы основные проблемы, связанные с внедрением FHE в реальные приложения
Я вижу три основные проблемы.
1. Вычислительная сложность FHE снижает производительность
Выполнение вычислений с использованием полного гомоморфного шифрования (FHE) происходит значительно медленнее по сравнению с обычными незашифрованными вычислениями, что иногда замедляет процесс по нескольким факторам. Этот разрыв в скорости создает проблему в достижении практических стандартов эффективности.
Низкая производительность может быть связана с повышенными требованиями к обработке данных на центральных и графических процессорах, поскольку они обрабатывают сложные форматы данных, используемые в полностью гомоморфном шифровании (FHE).
2а. Увеличение размера данных, которое обычно происходит при полностью гомоморфном шифровании (FHE), часто создает проблемы с емкостью хранилища и скоростью передачи данных по сети.
Шифрование данных с использованием гомоморфного метода приводит к значительному увеличению размера файла, что требует многократного увеличения емкости хранилища по сравнению с незашифрованными данными.
До сих пор существующие концепции гибридного полностью гомоморфного шифрования (FHE) еще не достигли стадии, на которой они могут адекватно решить эту проблему.
3. Сложные алгоритмы, необходимые для вычислений в FHE, представляют собой проблему с удобством использования
Работа с функциональным гомоморфным шифрованием (FHE) может оказаться серьезным препятствием, несмотря на наличие передовых библиотек FHE. Это связано прежде всего с тем, что соответствующие настройки для различных параметров в FHE должны быть тщательно выбраны, а поскольку доступные инструменты ограничены, многие вспомогательные операции, необходимые для управления вычислениями FHE, не могут быть автоматически обработаны инструментами программиста.
Не могли бы вы объяснить мне, как происходит шифрование данных с использованием Fully Homomorphic Encryption (FHE) и какую роль в этом процессе играет гомоморфизм?
Чтобы дать исчерпывающий ответ, мы углубились в такие темы, как выборка гауссовского шума, полиномиальные представления данных, системы остаточных чисел, математическая загадка «обучения с ошибками», схемы шифрования с открытым ключом, простая модульная арифметика и многомерные векторные пространства. . Эти темы могут не подходить для повседневного разговора.
Вместо того, чтобы углубляться в подробности, давайте предоставим краткий обзор. В полностью гомоморфном шифровании (FHE) мы переносим данные из стандартной числовой строки в альтернативное измерение.
Важнейшим аспектом здесь является то, что передача данных зашифрована, что чрезвычайно затрудняет их расшифровку для тех, у кого нет надлежащего ключа.
Другим важным аспектом является обеспечение того, чтобы подстановочное пространство сохраняло структуру, аналогичную (морфную) традиционной числовой прямой, особенно с точки зрения операций умножения и сложения. Таким образом, как только информация будет передана, вы сможете при необходимости выполнять вычисления сложения и умножения. Будьте уверены: когда данные вернутся (путем расшифровки), эти умножения и сложения произведут с данными ожидаемые действия.
В каких программных приложениях или вычислениях полное гомоморфное шифрование (FHE) наиболее эффективно и существуют ли какие-либо ограничения относительно типа данных или функций, которые оно может обрабатывать?
Безопасность, обеспечиваемая FHE, частично основана на добавлении небольшого «шума» к данным во время процесса шифрования.
Одна из проблем с полностью гомоморфным шифрованием (FHE) заключается в том, что при выполнении таких операций, как сложение или умножение зашифрованных данных, уровень шума увеличивается, а это именно то, чего мы и ожидали.
После выполнения определенного максимального количества манипуляций с фрагментом данных шум может стать настолько значительным, что расшифровать информацию станет невозможно.
Чтобы решить эту проблему, FHE использует уникальный, но дорогой метод устранения шума при сохранении конфиденциальности данных, что обеспечивает непрерывные вычисления.
Для поддержания актуальных данных именно эту процедуру нужно провести примерно после нескольких системных функций. Однако стоит отметить, что эта операция является самой дорогостоящей: на ее долю приходится примерно 95% общего времени вычислений при полностью гомоморфном шифровании (FHE).
Расширенное объяснение состоит в том, что наиболее подходящими вычислениями для полного гомоморфного шифрования (FHE) являются те, которые не требуют многочисленных последовательных операций с данными, что делает процесс удаления шума либо редко используемым, либо ненужным.
Какие типы математических операций можно отнести к этой области? Линейная алгебра и поиск частной информации служат двумя наглядными примерами.
Основываясь на этих концепциях, стоит учитывать, что такие методы, как регрессионный анализ, определенные типы манипуляций с изображениями и даже базовые искусственные нейронные сети, могут извлечь выгоду из конфиденциальности, обеспечиваемой полностью гомоморфным шифрованием (FHE).
Оптимизация и тщательный выбор вариантов использования необходимы для максимизации преимуществ FHE.
Какие практические приложения могут принести наибольшую пользу
Использование полностью гомоморфного шифрования (FHE) открывает широкий спектр инновационных применений в различных секторах, чего нельзя было бы достичь иначе из-за его математически доказанной способности сохранять конфиденциальность.
Хотя некоторые приложения в настоящее время испытывают трудности с крупномасштабной реализацией с использованием полного гомоморфного шифрования (FHE), они представляют собой многообещающие цели для аппаратного FHE в ближайшие годы.
Статистика здравоохранения
FHE облегчает крупномасштабный анализ медицинских записей, сохраняя при этом конфиденциальность пациентов.
Медицинские работники и страховые компании могут изучать данные, связанные с удовлетворенностью пациентов, повторными посещениями больниц и различными другими аспектами их базы пациентов.
Проведение этого тщательного обследования помогает нам найти более эффективные методы лечения, адаптированные к конкретным людям, улучшая качество их жизни в целом за счет предоставления индивидуальных планов ухода.
Финансы
Как исследователь, я считаю, что полное гомоморфное шифрование (FHE) облегчает безопасную передачу данных финансовых транзакций между учреждениями по всему миру, преодолевая географические границы. Это дает банкам возможность обнаруживать мошеннические счета и транзакции независимо от их происхождения, тем самым повышая финансовую безопасность и целостность.
Эта расширенная способность обнаруживать и предотвращать мошенничество укрепляет целостность финансовой системы.
Машинное обучение
FHE позволяет моделям машинного обучения анализировать конфиденциальные данные, не раскрывая сами данные.
Например, распознавание изображений позволяет выявлять угрозы безопасности или нарушения закона без ненадлежащего наблюдения, а медицинские снимки можно анализировать без риска раскрытия данных пациентов.
Информация о рынке
Используя FHE (полностью гомоморфное шифрование), производители могут безопасно обмениваться такой информацией, как уровни запасов, данные о продажах, сведения о распространении и т. д., с аналитиками, посредниками данных или даже конкурирующими компаниями, не ставя под угрозу конфиденциальность этой конфиденциальной информации.
Благодаря этому партнерству мы можем улучшить нашу способность предвидеть колебания рынка и соответствующим образом реагировать, а также эффективно управлять нашими цепочками поставок.
Агрегаторы данных также могут выполнять расчеты с использованием личных данных, таких как координаты GPS, тем самым обнаруживая важные закономерности в общей численности населения, сохраняя при этом индивидуальную конфиденциальность.
Межорганизационная координация
FHE обеспечивает безопасный и конфиденциальный обмен данными между различными юрисдикциями.
Как были достигнуты успехи в повышении эффективности полного гомоморфного шифрования (FHE) и каков текущий уровень производительности по сравнению с вычислениями без шифрования?
Как исследователь, занимающийся полностью гомоморфным шифрованием (FHE), я сосредоточил свое внимание в первую очередь на совершенствовании алгоритмов, разработке специального оборудования для ускоренной обработки и, в определенной степени, на использовании методов параллельной обработки для повышения эффективности.
Несмотря на эти улучшения, FHE остается медленнее, чем традиционные незашифрованные вычисления.
В соответствующих сценариях полное гомоморфное шифрование (FHE) может работать медленнее по сравнению с другими методами, но непрерывная работа направлена на устранение этой разницы в скорости.
Достижения, в частности ускорение вычислений полного гомоморфного шифрования (FHE) с помощью специализированного оборудования, теперь сделали возможным применение этих технологий в таких областях, как финансы, искусственный интеллект, машинное обучение, страхование и здравоохранение, где обеспечивается защита конфиденциальности и конфиденциальности данных. имеет решающее значение.
Отзывы пользователей позволяют предположить, что нынешние темпы функционального гомоморфного шифрования (FHE) являются удовлетворительными для многочисленных новых и требовательных приложений, позволяя предприятиям выполнять безопасный анализ данных, не раскрывая их содержание.
Кроме того, исследования в таких областях, как машинное обучение и обнаружение мошенничества, показали, что существующая функциональность полностью гомоморфного шифрования (FHE) подходит для реальных приложений. Ожидается, что будущие оптимизации еще больше повысят его производительность.
Как исследователь, погружающийся в увлекательную область технологии полного гомоморфного шифрования (FHE), я постоянно размышляю о ее будущих стремлениях и ожидаемых достижениях. Итак, куда нам идти дальше? Какие захватывающие прорывы мы можем ожидать в ближайшие годы? Оставайтесь с нами, мы продолжаем расширять границы этой замечательной технологии!
Значительное количество предприятий и финансистов определили, что FHE (полностью гомоморфное шифрование) способно преобразовать рынок данных – эта трансформация уже поддерживается более чем 200 миллионами долларов венчурных инвестиций специально для аппаратного ускорения FHE, а также значительной государственной поддержкой. из США, например, в рамках специальной программы DARPA, известной как DPRIVE.
Эти инвестиции направлены на достижение точки, когда в будущем полное гомоморфное шифрование (FHE) сможет работать так же эффективно, как и обычные незашифрованные вычисления, тем самым расширяя возможности использования FHE для большего числа типов приложений.
В ближайшие годы мы ожидаем прогресса в основном в трех областях: совершенствование алгоритмов и аппаратного обеспечения для минимизации требований к обработке, создание интуитивно понятных программных интерфейсов и ресурсов для упрощенной реализации полного гомоморфного шифрования (FHE) и расширение сферы применимых отраслей путем демонстрации ценности FHE. посредством демонстрационных проектов и реальных реализаций.
Доктор Дэвид Арчер, технический директор компании Niobium, выделяется как видная фигура в области технологий «вычислений с нулевым доверием». Он всемирно признан как эксперт в области передовой криптографии и внес значительный вклад как исследователь-новатор и ведущий ученый в области безопасных многосторонних вычислений и гомоморфного шифрования.
Следуйте за нами в Twitter Facebook Telegram
Смотрите также
- Акции SPBE. СПБ Биржа: прогноз акций.
- Акции привилегированные KZIZP. Красногорский завод им. С.А. Зверева: прогноз акций привилегированных.
- Акции ELMT. Элемент: прогноз акций.
- CNY/VND
- Акции UGLD. Южуралзолото ГК: прогноз акций.
- Акции IRKT. Яковлев: прогноз акций.
- Акции AQUA. ИНАРКТИКА: прогноз акций.
- Акции привилегированные TATNP. Татнефть: прогноз акций привилегированных.
- Акции FESH. ДВМП: прогноз акций.
- Акции UDMN. Удмуртнефть: прогноз акций.
2024-10-25 06:42