Mae Cyfrifiadura Aml-blaid (MPC) yn dechnoleg sy'n galluogi prosesu a rhannu data'n ddiogel rhwng sawl parti heb fod gan yr un parti fynediad i'r set lawn o ddata.
Mae'r math hwn o gyfrifiadura gwasgaredig wedi bod yn ennill tyniant yn ystod y blynyddoedd diwethaf, gan fod ei ddefnyddioldeb yn cynnwys cyfrifiannau perfformio'n ddiogel ar wybodaeth bersonol adnabyddadwy (PII), heb i'r cyfranogwyr gael mynediad i'r data crai. Er mwyn sicrhau nad oes gan unrhyw un cyfranogwr fynediad at yr holl ddata, mae cryptolegwyr wedi datblygu protocolau amrywiol sy'n galluogi partïon i rannu a rhannu darnau o ddata wedi'u hamgryptio ymhlith ei gilydd.
Beth yw Cyfrifiant Aml-blaid?
Yn ei hanfod, mae MPC yn dechnoleg sy'n caniatáu i bartïon lluosog gyfrifo data heb fod gan yr un parti fynediad at y data crai. Cyflawnwyd hyn trwy rannu'r data yn ddarnau a'u hamgryptio fel na all unrhyw gyfranogwr ei ddadgryptio ar ei ben ei hun.
Elfen allweddol o MPC yw ei fod yn caniatáu ar gyfer cyfrifiant ar ddata wedi'i amgryptio, felly ni all cyfranogwyr weld ar beth mae'r partïon eraill yn perfformio cyfrifiannau na pha ganlyniadau y maent yn eu cael o'r broses.
Hanes MPC
Gwnaeth cyfrifiant amlbleidiol (MPC) sblash gyntaf yn y 1970au, pan greodd chwedl cryptograffeg Tsieineaidd Andrew Yao y Protocol Cylchedau Garbled, a oedd yn caniatáu i ddau barti gyfrifo data heb ddatgelu eu mewnbynnau. Rhoddodd Problem His Millionaires enghraifft syml o system ddwy blaid MPC.
Ym 1987, ganed protocol GMW (Goldreich-Micali-Wigderson), gan ganiatáu ar gyfer llwyfannau gwirioneddol amlbleidiol, ac yn 2008 cafodd MPC ei ymddangosiad cyntaf yn y byd go iawn mewn arwerthiant cais betys siwgr yn Nenmarc a oedd yn cadw preifatrwydd pob cynigydd. dan sylw. Roedd hyn yn nodi dechrau ffordd newydd chwyldroadol o gynnal trafodion digidol diogel gyda chyfranogwyr lluosog.
Sut Mae Cyfrifo Aml-blaid yn Gweithio?
Mae MPC yn defnyddio technegau cryptograffeg megis rhannu cyfrinachol ac amgryptio homomorffig er mwyn rhannu a rhannu darnau o ddata wedi'u hamgryptio rhwng partïon lluosog. Mae rhannu cyfrinachol yn golygu rhannu darn o wybodaeth yn sawl cydran, gyda phob parti yn derbyn un darn yn unig, sy'n golygu nad oes gan yr un ohonynt fynediad i'r data llawn. Defnyddir amgryptio homomorffig i alluogi cyfrifiannau ar ddata wedi'i amgryptio, sy'n golygu nad ydynt yn datgelu gwybodaeth sensitif ar ffurf testun plaen.
Enghraifft i ddangos sut mae Cyfrifiaduro Aml-Blaid yn Gweithio
Gadewch i ni ddweud bod tri chwmni, A, B, ac C, eisiau cydweithio ar brosiect ond nad ydyn nhw'n ymddiried digon yn ei gilydd i rannu eu data sensitif. Trwy ddefnyddio datrysiadau MPC, gallant rannu'r data ymhlith ei gilydd yn ddiogel a pherfformio cyfrifiannau arno, ac nid oes gan yr un ohonynt fynediad i'r wybodaeth amrwd.
Yn gyntaf, bydd A, B, ac C yn defnyddio algorithmau rhannu cyfrinachol i rannu eu data yn sawl cydran. Bydd pob cwmni wedyn yn amgryptio'r darnau hyn gan ddefnyddio algorithmau amgryptio homomorffig ac yn eu hanfon at y ddau gyfranogwr arall. Nawr, mae'r tair plaid wedi amgryptio darnau o ddata oddi wrth ei gilydd, ond ni all yr un ohonynt ei ddadgryptio ar eu pen eu hunain a chael mynediad i'r set lawn o wybodaeth.
Nesaf, gall A, B, ac C berfformio cyfrifiannau ar y data wedi'i amgryptio heb orfod ei ddadgryptio erioed. Mae hyn yn golygu mai dim ond eu cyfraniadau eu hunain y gall pob cyfranogwr eu gweld, tra'n dal i allu cydweithio ar y prosiect. Yn olaf, gan nad oes gan yr un o'r cyfranogwyr hyn fynediad at ddata crai ei gilydd, gallant fod yn sicr bod eu gwybodaeth eu hunain yn ddiogel.
Pam y gelwir MPC yn gyfrifiant cadw preifatrwydd?
Mae data yn arf unigryw yn y byd sydd ohoni, gyda llawer o ddatblygiadau mwyaf chwyldroadol a blaengar y byd yn uniongyrchol olrhain iddo. Ond yn rhy aml o lawer mae rhannu data yn dod â risgiau anfesuradwy o dorri preifatrwydd neu hyd yn oed golli rheolaeth.
Mae Cyfrifiadura Aml-blaid (MPC) yn cynnig ateb creadigol i'r mater hwn, gan helpu i greu awyrgylch ar-lein newydd lle gall partïon gael mynediad at fathau penodol o ddata heb beryglu diogelwch gwybodaeth pobl eraill neu eu gwybodaeth eu hunain.
Mae MPC yn defnyddio algorithmau diogel nad ydynt yn datgelu unrhyw ddata ac eithrio'r canlyniadau, sy'n golygu y gall partïon wneud penderfyniadau pwysig heb ddatgelu manylion personol na thorri hawliau preifatrwydd eraill. Gallai’r dechnoleg hon chwyldroi diogelwch data fel yr ydym yn ei adnabod a pharatoi’r ffordd ar gyfer dyfodol diogel yn llawn cyfleoedd yn deillio o rannu gwybodaeth ddefnyddiol.
Manteision Atebion Cyfrifo Aml-blaid
Mae datrysiadau MPC yn cynnig ystod eang o fuddion, gan gynnwys:
• Mwy o ddiogelwch – Trwy rannu darnau o ddata wedi'u hamgryptio a pheidio â datgelu unrhyw ddata crai ar unrhyw adeg, mae MPC yn sicrhau na all unrhyw un parti gael mynediad at yr holl wybodaeth. Mae hyn yn ei gwneud yn ateb delfrydol ar gyfer prosesu gwybodaeth hynod sensitif, megis PII neu gofnodion meddygol.
• Gwell preifatrwydd – Gan mai dim ond rhan o'r set ddata gyffredinol y mae pob cyfranogwr yn ei dderbyn ac nad oes gan yr un parti fynediad i'r holl wybodaeth, mae MPC hefyd yn helpu i wella preifatrwydd trwy atal unrhyw un parti rhag proffilio unigolion.
• Cyflymder a graddadwyedd uwch - gall datrysiadau MPC redeg cyfrifiannau yn gyfochrog, sy'n golygu eu bod yn gallu prosesu symiau mawr o ddata yn gyflym. Mae hyn yn arbennig o fuddiol ar gyfer tasgau fel dysgu peiriant, sy'n gofyn am lawer o bŵer cyfrifiannol i'w cyflawni.
Anfanteision Atebion Cyfrifo Aml-blaid
Mae anfanteision mawr datrysiadau MPC yn cynnwys:
• Costau uwch – Mae gweithredu a rhedeg datrysiad MPC yn gofyn am fwy o adnoddau na thechnegau cyfrifiadurol traddodiadol. Mae hyn yn cynnwys gorfod prynu'r caledwedd, meddalwedd, ac offer eraill sydd eu hangen ar gyfer y gosodiad.
• Cymhlethdod – Gall sefydlu system MPC fod yn gymhleth oherwydd y technegau cryptograffeg ychwanegol sydd eu hangen. Gall hyn hefyd ei gwneud yn anodd datrys problemau a dadfygio, gan fod angen mynd i'r afael ag unrhyw faterion ar draws sawl parti.
• Cyflymder araf – Gan fod datrysiadau MPC yn rhedeg cyfrifiannau ar ddata wedi'i amgryptio, yn aml gallant redeg yn arafach na phrosesau cyfrifiadurol traddodiadol. Mae hyn yn golygu y gall gymryd mwy o amser i gwblhau tasgau sy'n gofyn am lawer iawn o bŵer cyfrifiannol.
Cymwysiadau MPC yn y byd go iawn
Profion genetig
Mae genetegwyr yn defnyddio MPC i ddadansoddi data genetig. Yn lle anfon dilyniannau DNA amrwd dros y rhyngrwyd, mae pob parti yn amgryptio eu data eu hunain ac yn ei anfon at weinydd trydydd parti lle gall MPC gymharu, dadansoddi a dehongli'r canlyniadau heb i bob parti ddatgelu eu gwybodaeth unigol.
Trafodion ariannol
Gallwch ddefnyddio MPC i sicrhau trafodion ariannol. Gallwch gyflawni hyn trwy rannu'r data yn ddarnau lluosog a'i brosesu mewn amgylchedd MPC diogel, gan sicrhau nad oes gan unrhyw un parti fynediad at yr holl wybodaeth. Mae hyn yn ei gwneud yn ddelfrydol ar gyfer datrysiadau talu digidol fel cyfnewidfeydd arian cyfred digidol, lle mae preifatrwydd o'r pwys mwyaf.
ymchwil feddygol
Gallwch ddefnyddio datrysiadau MPC i rannu a dadansoddi symiau mawr o ddata meddygol. Trwy amgryptio'r data cyn ei anfon, gall pob parti gael mynediad at wybodaeth benodol sy'n peryglu preifatrwydd na diogelwch unrhyw berson arall. Mae hyn yn gwneud MPC yn ateb delfrydol ar gyfer treialon clinigol a phrosiectau ymchwil eraill sy'n cynnwys data cleifion sensitif.
Arwyddo trothwy mewn cadwyni bloc
Gall MPC amddiffyn llofnodion digidol mewn amrywiol blockchain prosiectau. Cyflawnwyd hyn trwy rannu'r llofnod rhwng cyfranogwyr lluosog, gan ei wneud fel nad oes gan yr un parti fynediad at y llofnod cyfan. Mae hyn yn sicrhau bod llofnodion digidol yn aros yn ddiogel ac yn atal ymyrraeth hyd yn oed os yw un parti yn cael ei gyfaddawdu.
Dewisiadau amgen diogel i MPC
Dulliau cryptograffig
Mae dulliau cryptograffig yn rhan annatod o ddiogelwch cyfrifiadurol sy'n ein galluogi i storio a throsglwyddo data sensitif yn ddiogel. Dau o'r prif ddulliau cryptograffig a ddefnyddir at y diben hwn yw amgryptio homomorffig a phrofion dim gwybodaeth.
Mae amgryptio homomorffig yn defnyddio fformiwlâu mathemategol i alluogi cyfrifo data wedi'i amgryptio heb ei ddadgryptio yn gyntaf, gan ei gwneud hi'n haws rhannu data'n ddiogel heb beryglu preifatrwydd.
Mae proflenni dim gwybodaeth yn darparu technegau mathemategol i wirio gwirionedd gwybodaeth heb ddatgelu ei fanylion, gan eu gwneud yn hynod ddefnyddiol wrth ymdrin â gwybodaeth gyfrinachol.
Techneg arall a ddefnyddir mewn cryptograffeg yw preifatrwydd gwahaniaethol, sy'n ychwanegu swm rheoledig o hap i'r data a gasglwyd, gan atal partïon maleisus rhag cael manylion personol defnyddwyr. Yn y bôn, mae dulliau cryptograffig yn cynnig mwy o reolaeth i ni dros ein data trwy ddarparu haen gynyddol o ddiogelwch ac amddiffyniad rhag toriadau data.
Dulliau a gefnogir gan AI/ML
Mae dulliau a gefnogir gan AI/ML yn helpu i bweru'r genhedlaeth nesaf o fentrau sy'n cael eu gyrru gan breifatrwydd. Dwy dechneg allweddol sy'n galluogi'r newid hwn yw data synthetig a dysgu ffederal.
Mae data synthetig yn fath o ddeallusrwydd artiffisial sy'n creu pwyntiau data sy'n ailadrodd dosbarthiad nodweddion perthnasol heb ddefnyddio gwybodaeth wirioneddol mewn gwirionedd.
Mae dysgu ffederal yn fath o dechneg dysgu peiriant gwasgaredig lle mae dadansoddwyr yn hyfforddi modelau ar draws setiau data lluosog ar yr un pryd heb y risg o beryglu unrhyw wybodaeth gyfrinachol neu sensitif sydd wedi'i storio ynddynt.
Gyda’i gilydd, mae’r ddau ddull hyn yn galluogi gwell cywirdeb ac amddiffyniadau preifatrwydd data cryfach o’r dechrau i’r diwedd, gan ein galluogi i wneud penderfyniadau callach gyda mwy o sicrwydd.
Casgliad
Mae MPC yn dechnoleg gynyddol boblogaidd sy'n galluogi prosesu data'n ddiogel rhwng sawl parti ac nid oes gan yr un parti fynediad i'r set lawn o ddata. Mae'n defnyddio technegau cryptograffig fel rhannu cyfrinachol ac amgryptio homomorffig i rannu ac amgryptio darnau o ddata, gan sicrhau na all unrhyw un o'r cyfranogwyr gael mynediad i'r data crai na phroffilio unrhyw unigolyn ohono.
Gyda'i fanteision niferus, gan gynnwys mwy o ddiogelwch, gwell preifatrwydd, a chyflymder a graddadwyedd gwell, mae datrysiadau MPC yn cynnig ateb pwerus i sefydliadau brosesu data sensitif yn ddiogel ac yn effeithlon.
Ffynhonnell: https://www.cryptopolitan.com/multi-party-computation-mpc-solutions/