IBM открыл тулкит гомоморфного шифрования для Linux

Кoмпaния IBM oбъявилa oб oткрытии исxoдныx тeкстoв тулкитa FHE (IBM Fully Homomorphic Encryption) с рeaлизaциeй систeмы пoлнoгo гoмoмoрфнoгo шифрoвaния с целью oбрaбoтки дaнныx в шифрoвaннoм видe. FHE пoзвoляeт сoздaвaть сeрвисы для того кoнфидeнциaльныx вычислeний, в кoтoрыx дaнныe обрабатываются зашифрованными и приставки не- фигурируют в открытой форме ни возьми одном из этапов. Результат в свою очередь формируется зашифрованным. Код написан для языке С++ и распространяется под лицензией MIT. Опричь версии для Linux, параллельно развиваются аналогичные тулкиты исполнение) macOS и iOS, написанные на Objective-C. В ближайшее срок ожидается публикация варианта для Android. позволено реализовать любые произвольные вычисления) и испытывать на выходе зашифрованный результат, каковой был бы аналогичен шифрованию результата сложения возможно ли умножения исходных данных. Гомоморфное зашифровка можно рассматривать как следующий пункт развития сквозного шифрования (end-to-end) - не принимая во внимание защиты передачи данных, предоставляется эвенту обработки данных без их расшифровки. С практической стороны фреймворк может объявиться полезен для организации конфиденциальных облачных вычислений, в системах электронного голосования, в анонимизированных протоколах маршрутизации, интересах шифрованной обработки запросов в СУБД, чтобы конфиденциальной тренировки систем машинного обучения. В качестве примера применения FHE упоминается устройство анализа информации о пациентах медицинских учреждений в страховых компаниях помимо получения страховой компанией доступа к сведениям, которые могли бы опознать конкретных пациентов. Так же упоминается исследование систем машинного обучения для выявления мошеннических операций с кредитными картами получи основе обработки зашифрованных анонимных финансовых транзакций. Тулкит содержит в себя библиотеку HElib c реализацией нескольких схем гомоморфного шифрования, интегрированную среду разработки (создание осуществляется через браузер) и набор примеров. Для того упрощения развёртывания подготовлены готовые docker-образы получи и распишись базе CentOS, Fedora и Ubuntu. Вот и все доступны инструкции по сборке тулкита с исходных текстов и установке на локальную систему. Расчёт развивается с 2009 года, но вытребовать приемлемых показателей производительности, позволяющих пустить в дело его на практике, удалось допроситься только сейчас. Отмечается, что FHE делает гомоморфные прикидки доступными всем желающим, при помощи FHE обычные корпоративные программисты смогут следовать минуту сделать ту же работу, зачем раньше требовала часов и дней рядом привлечении экспертов с учёной степенью. Изо других наработок в области конфиденциальных вычислений, хоть отметить публикацию проекта OpenDP с реализацией методов дифференциальной приватности, позволяющих с достанет высокой точностью выполнять статистические операции по-над набором данных без возможности идентификации отдельных записей в нём. Выполнение написана на Rust и Python и поставляется подо лицензией MIT. Анализ с использованием методов дифференциальной приватности даёт право организациям производить аналитические выборки изо статистических БД, не позволяя уделить из общей информации параметры конкретных лиц. Примерно сказать, для выявления различий в уходе после больными, исследователям можно предоставить информацию, позволяющую уравнить среднее количество времени пребывания пациентов в больницах, же при этом сохраняющую конфиденциальность пациентов и безвыгодный допускающую выделения сведений о них. Пользу кого защиты идентифицируемой персональной или конфиденциальной информации применяется сам-друг механизма: 1. Добавление в каждый достижение небольшого статистического "шума", не влияющего получи и распишись точность извлекаемых данных, но маскирующего авуар. Ant. заем отдельных элементов данных. 2. Основа: http://www.opennet.ru/opennews/art.shtml?num=53459