Penyulitan Homomorfik

Homomorphic encryption (HE) ialah kelas skim penyulitan yang membenarkan pengiraan terus pada sifirteks. Hasilnya, apabila dinyahsulitkan, menyamai hasil daripada menjalankan operasi yang sama pada plainteks. Pelanggan yang dipercayai memegang kunci; pelayan yang tidak dipercayai boleh menjalankan analisis, pembelajaran mesin atau fungsi sewenang-wenangnya pada data yang disulitkan tanpa pernah melihat data itu sendiri.

Idea asas

A Contoh mudah: bayangkan sifir di mana Encrypt(a) + Encrypt(b) = Encrypt(a + b). Jika anda menghantar pelayan Encrypt(5) dan Encrypt(7), ia mengira jumlah untuk mendapatkan Encrypt(12). Anda menyahsulit dan melihat 12. Pelayan tidak mengetahui apa-apa tentang nombor anda tetapi menghasilkan jumlah yang betul.

Skim homomorfik sebenar adalah lebih kompleks tetapi prinsipnya adalah sama: teks sifir mempunyai struktur algebra yang mencerminkan teks biasa yang mendasarinya.

Ttiga kategoriXPLXPL1Z19PLXX2XPLZ19PLXX2XPLZ19PLXX2ZPLZ19PLZXX2Z19PL Penyulitan Homomorphic (PHE). Menyokong satu jenis operasi — sama ada penambahan atau pendaraban, bukan kedua-duanya. RSA adalah berganda homomorfik; Paillier bersifat homomorfik secara tambahan. Mempunyai aplikasi praktikal (pengundian elektronik, pengagregatan persendirian) dan prestasi yang munasabah.

Penyulitan Homomorfik Agak Homomorfik (SHE). Menyokong kedua-dua penambahan dan pendaraban, tetapi hanya bilangan operasi yang terhad sebelum teks sifir menjadi terlalu bising untuk menyahsulit dengan betul.ZPLZ27XPLXXPLXPLZ9FXXXXPLXPLZ9FXXu. Penyulitan (FHE). Menyokong pengiraan sewenang-wenangnya. Kejayaan Craig Gentry pada 2009 memperkenalkan skim FHE yang pertama; generasi berikutnya (BGV, BFV, CKKS, TFHE) telah menjadikannya lebih pantas secara progresif.

Kisah prestasi

FHE Halangan utama adalah prestasi. Skim asal Gentry adalah ~100 trilion kali lebih perlahan daripada pengkomputeran pada plaintext. Keadaan terkini (CKKS untuk aritmetik anggaran, TFHE untuk litar boolean) berjulat dari 100× hingga 100,000× lebih perlahan daripada plaintext bergantung pada operasi. Itu masih perlahan tetapi mendayakan aplikasi sebenar untuk kes penggunaan yang sensitiviti data lebih penting daripada kelajuan.

• CKKS — anggaran aritmetik pada nombor nyata; baik untuk inferens pembelajaran mesin di mana ralat kecil boleh diterima.
• BGV, BFV — aritmetik integer tepat; baik untuk operasi pangkalan data.
• TFHE — litar boolean dengan bootstrapping pantas; baik untuk aliran kawalan.

Penyerahan dunia sebenar

• Cadangan Peribadi Microsoft Edge menggunakan HE untuk menyulitkan URL yang akan dilawati oleh penyemak imbas, membolehkan Microsoft mengira cadangan berkaitan pada input yang disulitkan, mengembalikan penyulitan hasil.
• Apple Private Cloud Compute dan Private Federated Learning menggunakan teknik berkaitan HE untuk mengagregat kemas kini model pengguna tanpa melihat sumbangan individu.
• Cloud providers (AWS, Azure) as-loading analysis mula menawarkan analisis kerja khusus-FHE data pesakit.
• Banks menggunakan HE untuk analisis risiko merentas institusi tanpa berkongsi data pelanggan.
• Sistem pilihan raya menggunakan skim homomorfik tambahan untuk pengagregatan undi sambil melindungi undi individu.PLXPLZ3MaXXPL5 perpustakaan
  • Microsoft SEAL — sumber terbuka, matang, sokongan skema luas
  • OpenFHE — pengganti yang diselenggarakan komuniti kepada PALISADE
  • Xte
  • Xte
  • Xte
  • XteXZ47X
  • XteXPLZ47Z48XXtex Rangka kerja tertumpu TFHE dengan API peringkat tinggi
  • HElib — perpustakaan penyelidikan IBM
  • tfhe-rs — Pelaksanaan berkarat TFHE

  Limitations gotchas

  • Saiz teks sifir. Bit yang disulitkan boleh berpuluh-puluh kilobait. Set data kecil yang disulitkan boleh menjadi gigabait.
  • LBelanjawan hingar terhad. Setiap operasi menambah hingar; akhirnya penyahsulitan gagal. Bootstrapping menyegarkan bunyi tetapi mahal.
  • Kedalaman fungsi. Pengiraan mendalam memerlukan banyak tahap pendaraban, meningkatkan saiz parameter.
  • Bukan untuk segala-galanya. Operasi seperti percabangan atau penyisihan dalam FHE adalah satu cara yang cekap kerana tidak ada cara yang cekap. nilai.
  • Pengurusan kunci. Kunci penyahsulitan adalah sangat sensitif — kehilangan bermakna kehilangan akses kepada data anda; membocorkannya mengalahkan keseluruhannya.

  HE lwn MPC lwn ZK

  TTiga teknologi pemelihara privasi berkaitan sering keliru:

  • Homomorphic Encryption computexts pertama pihak — satu pihak yang lain computext computexts menyahsulit.
  • Secure Multi-Partiy Computation (MPC) — berbilang pihak secara bersama mengira fungsi tanpa mendedahkan input mereka. Protokol yang berbeza, tukar ganti yang berbeza.
  • Bukti Pengetahuan Sifar (ZK) — membuktikan kenyataan adalah benar tanpa mendedahkan maklumat tambahan. Matlamat yang berbeza: bukti, bukan pengiraan.

  Ketiga-tiganya adalah saling melengkapi; sistem privasi moden sering menggabungkannya.

  Prestasi masa hadapan

  FHE terus bertambah baik. Pecutan perkakasan (sokongan CUDA NVIDIA untuk HE, FPGA tersuai dan ASIC daripada Optalysys dan lain-lain, primitif HE Intel) sedang mengurangkan jurang dengan pengiraan teks biasa dengan susunan magnitud yang lain. 5–10 tahun akan datang berkemungkinan akan menyaksikan FHE beralih daripada "penyelidikan yang menarik" kepada "aliran perdana untuk kes penggunaan privasi bernilai tinggi." Ia tidak akan menggantikan penyulitan konvensional — ia melengkapkannya.