1. Namai
  2. tinklaraštis
  3. Saugus kelių šalių sintetinės duomenų bendradarbiavimas

Saugus kelių šalių sintetinės duomenų bendradarbiavimas su homomorfiniu šifravimu

Saugus kelių šalių sintetinės duomenų bendradarbiavimas su homomorfiniu šifravimu

Era, kai duomenimis pagrįsti DI modeliai yra konkurencinis pranašumas, sintetiniai duomenys iškilo kaip galinga alternatyva dalintis realaus pasaulio įrašais. Tačiau kai kelių šalių reikia bendradarbiauti kuriant sintetinį duomenų rinkinį – pavyzdžiui, tarppramoninė sveikatos tyrimų, federuota finansų analizė arba bendri autonominių transporto priemonių simuliacijos – privatumas, reguliacinė atitiktis ir pasitikėjimas tampa pagrindinėmis kliūtimis.

Šiame straipsnyje pristatomas privatumo išsaugojimo bendradarbiavimo struktūrinis modelis, kuris sujungia tris pažangiausias koncepcijas:

  1. Homomorphic Encryption (HE) – leidžia atlikti skaičiavimus šifruotuose duomenyse be dešifravimo.
  2. Secure Multi‑Party Computation (SMPC) – paskirsto kriptografines darbo apkrovas tarp dalyvių, todėl nė vienas mazgas niekada nemato neapdorotų įvesties duomenų.
  3. Zero‑Trust Architecture (ZTA) – daro prielaidą, kad kiekvienas tinklo elementas yra nepatikimas, kol neįrodoma priešinga, įgyvendindama nuolatinį patikrinimą ir minimalios teisės prieigą.

Kartu jie sudaro Zero‑Trust sintetinės duomenų rinkos (ZT‑SDM), kuri leidžia organizacijoms kartu mokyti generatyvius modelius, patikrinti sintetinės išvesties kokybę ir keistis duomenų ištekliais, išlaikant pagrindinius privačius duomenis nematomais visoms šalims – įskaitant rinkos operatorių.

Kodėl esami sprendimai nepatenkina

Esama priemonėPagrindinis apribojimas
Centralizuotos sintetinės duomenų konvejeriaiReikalauja patikimo duomenų ežero; vienas saugumo pažeidimas gali atskleisti neapdorotus įvesties duomenis.
Federacinis mokymasis su modelio agregavimuDalijasi tik modelio atnaujinimais, o ne pačiais sintetiniais duomenimis; galutiniai vartotojai vis tiek turi prašyti neapdorotų duomenų patikrinimui.
Tik diferencialinis privatumas (DP)Prideda statistinį triukšmą, kuris gali sumažinti naudingumą, ypač aukštos dimensijos duomenims.
Tik SMPC konvejeriaiDidelė komunikacijos našta; mastelio didinimas iki didelių generatyvių modelių (pvz., difuzijos ar LLM) yra nepraktiškas.

ZT‑SDM užpildo šiuos trūkumus šifruodama visą duomenų generavimo konvejerį, tuo pačiu leidžiant realiojo laiko kokybės atsiliepimus ir audito takus.

Architektūrinė apžvalga

  graph TD
    subgraph "Dalyvis A"
        A1["Neapdoroti duomenys A"]
        A2["HE šifravimo įrenginys"]
    end
    subgraph "Dalyvis B"
        B1["Neapdoroti duomenys B"]
        B2["HE šifravimo įrenginys"]
    end
    subgraph "Orkestratorius"
        O1["Raktų valdymo paslauga"]
        O2["Saugus skaičiavimo variklis"]
        O3["Zero‑Trust politikos variklis"]
        O4["Audito žurnalo paslauga"]
    end
    subgraph "Vartotojas"
        C1["Sintetinių duomenų vartotojas"]
    end

    A1 --> A2
    B1 --> B2
    A2 --> O2
    B2 --> O2
    O2 --> O3
    O3 --> O4
    O2 --> C1
    O4 --> C1

Pagrindiniai komponentai:

  • HE šifravimo įrenginys (kiekvienam dalyviui) paverčia neapdorotus įrašus į šifratą naudojant bendrą viešąjį raktą.
  • Raktų valdymo paslauga (KMS) saugo privatų dešifravimo raktą aparatinėje saugioje aplinkoje; jis niekada nepalieka orkestratoriaus.
  • Saugus skaičiavimo variklis vykdo generatyvų modelį (pvz., difuzijos modelį) tiesiogiai šifrate naudojant su HE suderinamus branduolius.
  • Zero‑Trust politikos variklis patikrina kiekvieną užklausą (duomenų skaitymą, modelio inferenciją, audito eksporto) pagal dinamiškas politikas, kilusias iš reguliavimo sistemų (GDPR, HIPAA, CCPA).
  • Audito žurnalo paslauga įrašo nekintamus, nuo klastojimo atsparius žurnalus (galimai susietus su blokų grandine) dėl atitikties patikrinimo.

Žingsnis po žingsnio darbo eiga

1. Registracija ir politikos apibrėžimas

  1. Kiekviena organizacija registruojasi rinkoje, įkeldama metaduomenis (duomenų domenus, jautrumo žymas, jurisdikciją).
  2. Zero‑Trust politikos variklis automatiškai sukuria politikos matricą, kuri susieja leidžiamas operacijas (pvz., „generuoti sintetinę sveikatos įrašų duomenų bazę tik tyrimams“) su kriptografiniais apribojimais.

2. Raktų keitimas ir šifravimas

  • Dalyviai gauna viešąjį HE raktą iš KMS.
  • Neapdoroti duomenų rinkiniai šifruojami vietoje; šifras niekada nepalieka dalyvio perimetro.

3. Distribiucinis modelio mokymas (su SMPC pagalba)

  • Orkestratorius paleidžia SMPC protokolą, kuris paskirsto generatyvaus modelio svorio atnaujinimus tarp dalyvių.
  • Kiekvienas mazgas atlieka šifruotą gradientų skaičiavimą savo šifrate, tada dalijasi užmaskuotais daliniais rezultatais.
  • KMS sujungia užmaskuotus atnaujinimus, dešifruoja tik agregatą, ir vėl šifruoja naujus modelio parametrus kitam ciklui.

4. Sintetinių duomenų generavimas

  • Vartotojai prašo sintetinės imties per politika patikrintą API.
  • Saugus skaičiavimo variklis vykdo modelį homomorfiniai, sukuriant šifruotus sintetinius įrašus.
  • KMS dešifruoja galutinį rezultatą tik laiku vartotojui, po to iš karto ištrina privatų raktą iš atminties.

5. Nuolatinis auditas ir atsiliepimai

  • Kiekviena užklausa, skaičiavimas ir dešifravimo įvykis įrašomas į Audito žurnalo paslaugą.
  • Auditoriai gali užklausti žurnalų naudodami nulinio žinojimo įrodymus, kad patikrintų atitiktį be neapdorotų duomenų peržiūros.
  • Vartotojai gali pateikti naudingumo atsiliepimus (pvz., statistinius panašumo balus), kurie grąžinami į mokymo ciklą, viskas šifruota.

Techninis gylus įžvalga: Homomorfinio šifravimo pasirinkimai

SchemaŠifro dydisPalaikomos operacijosTipinis naudojimo atvejis
BFVVidutinisSveikųjų skaičių aritmetika, sudėtis, daugybaLentelių duomenų sintezė
CKKSDidelisApytikslė aritmetika, slankaus kablelio skaičiavimaiVaizdų / vaizdo difuzijos modeliai
TFHEMažasDvejetainiai vartai, bootstrappingLoginė logika SMPC koordinavimui

Daugumai sintetinių duomenų konvejerių, CKKS suteikia geriausią kompromisą, nes generatyvūs modeliai stipriai priklauso nuo slankaus kablelio matricos daugybos. Tačiau bootstrapping kaštus galima sumažinti naudojant sluoksnių perlinijavimą ir parametrų derinimą, priklausomai nuo tikslinės duomenų dimensijos.

Zero‑Trust politikos variklis: dinaminis įgyvendinimas

Variklis vertina tris matmenis kiekvienai užklausai:

  1. Identitetas – patvirtinamas per decentralizuotus identifikatorius (DID) ir patikrinamus įgaliojimus.
  2. Kontekstas – apima užklausos kilmės IP, įrenginio būklę ir dienos laiką.
  3. Tikslas – išgaunamas iš API duomenų (pvz., „generuoti 10 000 sintetinų pacientų įrašų onkologijos tyrimui“).

A policy rule might read:

IF requester.role == "researcher"
AND data.domain == "healthcare"
AND jurisdiction == "EU"
THEN allow HE‑generation WITH differential‑privacy epsilon=0.5
ELSE deny

Kadangi taisyklė pati neturi neapdorotų duomenų, ją galima įvertinti už šifruoto domeno, išlaikant našumą.

Atitikties ir audito privalumai

ReguliavimasKaip ZT‑SDM padeda
GDPR Art. 32 (Security of processing)Duomenys niekada neatsiranda nešifruota forma už organizacijos, kuri juos sukūrė, ribų; šifravimo raktai yra apsaugoti aparatinėje įrangoje.
HIPAA §164.312(e)(1) (Encryption)End‑to‑end HE atitinka „šifravimo“ reikalavimą; audito žurnalai suteikia įrodymus apie „prieigos kontrolę“.
CCPA §1798.150 (Right to know)Vartotojai gali prašyti sintetinių duomenų kilmės ataskaitos, sugeneruotos iš nekintamų žurnalų, neatskleidžiant neapdorotų įvesties duomenų.
ISO 27001 A.12.4 (Logging)Nekintami, nuo klastojimo atsparūs žurnalai saugomi tik papildymo režimu; papildomam vientisumui galima naudoti blokų grandinės pririšimą.

Našumo optimizacijos

  1. Hybrid HE/SMPC – Naudoti SMPC pradiniam svorio agregavimui (žemos tikslumo) ir perjungti į HE galutiniam aukšto tikslumo generavimui.
  2. Batching & Packing – Užkoduoti kelias duomenų eilutes į vieną šifro lizdą (CKKS pakavimas), kad sumažintų šifravimo naštą.
  3. Edge‑Offload – Diegti lengvus HE branduolius dalyvių krašto įrenginiuose duomenų išankstiniam apdorojimui, sumažinant tinklo apkrovą.
  4. Cache‑able Encrypted Models – Saugojti šifruotus modelio kontrolinius taškus turinio adresuojamoje saugykloje; naudoti keliose bendradarbiavimo projekcijose.

Realūs naudojimo atvejai

A. Tarpinstituciniai klinikiniai tyrimai

Problema: Ligoninės negali dalintis pacientų įrašais dėl HIPAA, tačiau reikia bendro sintetinės kohortos retų ligų modeliui. Sprendimas: Kiekviena ligoninė šifruoja savo EHR duomenis, dalyvauja SMPC‑paremto modelio mokyme ir gauna sintetinį duomenų rinkinį, atspindintį sujungtą populiaciją, niekada neatskleidžiant PHI.

B. Bendradarbiaujantis finansų rizikos modeliavimas

Problema: Konkurencingos bankos turi sujungti transakcijų duomenis, kad aptiktų sistemines sukčiavimo schemas, tačiau antimonopolinės įstatymai draudžia neapdorotų duomenų keitimąsi. Sprendimas: Bankos šifruoja transakcijų žurnalus, kartu mokosi sintetinį sukčiavimo generavimo modelį ir dalijasi sintetiniais rezultatais su reguliuotojais priežiūrai.

C. Autonominių transporto priemonių simuliacija

Problema: Keli gamintojai (OEM) reikia įvairių vairavimo scenarijų, tačiau negali atskleisti savo nuosavų jutiklių įrašų. Sprendimas: OEM šifruoja LiDAR ir kamerų srautus, kartu mokosi difuzijos pagrindo scenarijų generatoriaus ir gauna sintetinius vairavimo vaizdus, išlaikant kraštutinų atvejų įvairovę.

Įgyvendinimo kontrolinis sąrašas

  • Pasirinkti HE schemą (rekomenduojama CKKS slankaus kablelio darbo krūviams).
  • Suteikti KMS su aparatine saugumo moduliu (HSM) ir apibrėžti raktų sukimosi politiką.
  • Integruoti DID‑pagrįstą identitetą kiekvienam dalyviui.
  • Apibrėžti Zero‑Trust politikas naudojant politiką kaip kodą (pvz., Open Policy Agent).
  • Nustatyti SMPC orkestravimą (pvz., naudojant MP‑SPDZ arba CrypTen).
  • Diegti nekintamą audito žurnalą (pvz., naudojant Amazon QLDB arba privačią blokų grandinę).
  • Vykdyti našumo testus šifruoto modelio inferencijos vėlavimo ir pralaidumo atžvilgiu.
  • Atlikti atitikties patikrinimą su teisiniais patarėjais ir išoriniais auditoriais.

Ateities kryptys

  1. Federacinis diferencialinis privatumas – Kombinuoti HE su DP, kad po dešifravimo pridėtų kalibruotą triukšmo sluoksnį, dar labiau sumažinant atpažinimo riziką.
  2. Kvantui atsparus HE – Tyrinėti tinklelio pagrindu sukurtas schemas, kurios išlieka saugios prieš post‑kvantinius priešininkus.
  3. DI valdomas politikos pritaikymas – Naudoti stiprinimo mokymą, kad automatiškai sustiprintų arba atpalaiduotų politikas, remiantis stebimais naudingumo‑privatumo kompromisais.
  4. Rinkos monetizavimas – Įdiegti žetonų pagrindu paremtas paskatas dalyviams, kurie teikia aukštos kokybės šifruotus duomenis, su išmaniosiomis sutartimis, įgyvendinančiomis pajamų dalijimąsi.

Išvada

Sujungiant homomorfinį šifravimą, saugų kelių šalių skaičiavimą ir zero‑trust principus į vieną, audituojamą darbo eigą, organizacijos pagaliau gali bendradarbiauti su sintetiniais duomenimis nepažeisdamos privatumo ar reguliacinės atitikties. Zero‑Trust sintetinės duomenų rinka ne tik atveria naujas DI galimybes įvairiuose sektoriuose, bet ir nustato naują standartą pasitikėjimo pagal dizainą duomenų ekosistemoms.

Taip pat žiūrėkite

Antradienis, 2026-09-29
Pasirinkti kalbą