Ο Υπολογισμός πολλών μερών (MPC) είναι μια τεχνολογία που επιτρέπει την ασφαλή επεξεργασία και κοινή χρήση δεδομένων μεταξύ πολλών μερών χωρίς κανένα μέρος να έχει πρόσβαση στο πλήρες σύνολο δεδομένων.
Αυτός ο τύπος κατανεμημένων υπολογιστών έχει κερδίσει έλξη τα τελευταία χρόνια, καθώς η χρησιμότητα του περιλαμβάνει την ασφαλή εκτέλεση υπολογισμών σε προσωπικά αναγνωρίσιμα στοιχεία (PII), χωρίς οι συμμετέχοντες να έχουν πρόσβαση στα πρωτογενή δεδομένα. Για να διασφαλιστεί ότι κανένας μόνος συμμετέχων δεν έχει πρόσβαση σε όλα τα δεδομένα, οι κρυπτολόγοι έχουν αναπτύξει διάφορα πρωτόκολλα που επιτρέπουν στα μέρη να διαχωρίζουν και να μοιράζονται κρυπτογραφημένα κομμάτια δεδομένων μεταξύ τους.
Τι είναι ο Υπολογισμός πολλών μερών;
Στον πυρήνα της, το MPC είναι μια τεχνολογία που επιτρέπει σε πολλά μέρη να υπολογίζουν δεδομένα χωρίς κανένα μέρος να έχει πρόσβαση στα πρωτογενή δεδομένα. Αυτό το πέτυχαν χωρίζοντας τα δεδομένα σε κομμάτια και κρυπτογραφώντας τα έτσι ώστε κανένας συμμετέχων να μην μπορεί να τα αποκρυπτογραφήσει μόνος του.
Ένα βασικό συστατικό του MPC είναι ότι επιτρέπει τον υπολογισμό σε κρυπτογραφημένα δεδομένα, έτσι ώστε οι συμμετέχοντες να μην μπορούν να δουν σε τι κάνουν υπολογισμούς τα άλλα μέρη ή ποια αποτελέσματα έχουν από τη διαδικασία.
Ιστορία του MPC
Ο υπολογισμός πολλαπλών μερών (MPC) έκανε για πρώτη φορά πάταγο τη δεκαετία του 1970, όταν ο Κινέζος θρύλος της κρυπτογραφίας Andrew Yao δημιούργησε το Πρωτόκολλο Garbled Circuits, το οποίο επέτρεπε σε δύο μέρη να υπολογίζουν δεδομένα χωρίς να αποκαλύπτουν τις εισροές τους. Το Πρόβλημα των εκατομμυριούχων του έδωσε ένα απλό παράδειγμα δικομματικού συστήματος MPC.
Το 1987, γεννήθηκε το πρωτόκολλο GMW (Goldreich–Micali–Wigderson), το οποίο επέτρεπε πραγματικά πλατφόρμες πολλαπλών κομμάτων και το 2008 η MPC έκανε το πραγματικό της ντεμπούτο σε μια δημοπρασία σφραγισμένης προσφοράς ζαχαρότευτλων στη Δανία που διατήρησε το απόρρητο όλων των υποψηφίων. εμπλεγμένος. Αυτό σηματοδότησε την αρχή ενός επαναστατικού νέου τρόπου διεξαγωγής ασφαλών ψηφιακών συναλλαγών με πολλούς συμμετέχοντες.
Πώς λειτουργεί ο Υπολογισμός πολλών μερών;
Το MPC χρησιμοποιεί τεχνικές κρυπτογραφίας, όπως η κοινή χρήση μυστικών και η ομομορφική κρυπτογράφηση, προκειμένου να χωρίσει και να μοιραστεί κρυπτογραφημένα κομμάτια δεδομένων μεταξύ πολλών μερών. Η μυστική κοινή χρήση περιλαμβάνει τον διαχωρισμό μιας πληροφορίας σε πολλά στοιχεία, με κάθε μέρος να λαμβάνει μόνο ένα κομμάτι, που σημαίνει ότι κανένα από αυτά δεν έχει πρόσβαση στα πλήρη δεδομένα. Η ομομορφική κρυπτογράφηση χρησιμοποιείται για την ενεργοποίηση υπολογισμών σε κρυπτογραφημένα δεδομένα, που σημαίνει ότι δεν εκθέτουν ευαίσθητες πληροφορίες σε μορφή απλού κειμένου.
Ένα παράδειγμα για να δείξουμε πώς λειτουργεί ο Υπολογισμός πολλών μερών
Ας υποθέσουμε ότι τρεις εταιρείες, η Α, η Β και η Γ, θέλουν να συνεργαστούν σε ένα έργο αλλά δεν εμπιστεύονται η μία την άλλη αρκετά ώστε να μοιραστούν τα ευαίσθητα δεδομένα τους. Χρησιμοποιώντας λύσεις MPC, μπορούν να χωρίσουν με ασφάλεια τα δεδομένα μεταξύ τους και να εκτελέσουν υπολογισμούς σε αυτά, χωρίς κανένας από αυτούς να έχει πρόσβαση στις πρωτογενείς πληροφορίες.
Πρώτον, οι A, B και C θα χρησιμοποιήσουν αλγόριθμους κοινής χρήσης μυστικών για να χωρίσουν τα δεδομένα τους σε διάφορα στοιχεία. Στη συνέχεια, κάθε εταιρεία θα κρυπτογραφήσει αυτά τα κομμάτια χρησιμοποιώντας ομομορφικούς αλγόριθμους κρυπτογράφησης και θα τα στείλει στους άλλους δύο συμμετέχοντες. Τώρα, και τα τρία μέρη έχουν κρυπτογραφημένα κομμάτια δεδομένων το ένα από το άλλο, αλλά κανένα από αυτά δεν μπορεί να τα αποκρυπτογραφήσει μόνο του και να έχει πρόσβαση στο πλήρες σύνολο πληροφοριών.
Στη συνέχεια, τα A, B και C μπορούν να εκτελέσουν υπολογισμούς στα κρυπτογραφημένα δεδομένα χωρίς να χρειάζεται ποτέ να τα αποκρυπτογραφήσουν. Αυτό σημαίνει ότι κάθε συμμετέχων μπορεί να δει μόνο τις δικές του συνεισφορές, ενώ εξακολουθεί να μπορεί να συνεργαστεί στο έργο. Τέλος, δεδομένου ότι κανένας από αυτούς τους συμμετέχοντες δεν έχει πρόσβαση στα ακατέργαστα δεδομένα του άλλου, μπορούν να είναι σίγουροι ότι οι δικές τους πληροφορίες είναι ασφαλείς.
Γιατί το MPC ονομάζεται υπολογισμός διατήρησης απορρήτου;
Τα δεδομένα είναι ένα αναντικατάστατο εργαλείο στον σημερινό κόσμο, με πολλές από τις πιο επαναστατικές και προοδευτικές εξελίξεις στον κόσμο να εντοπίζονται άμεσα σε αυτά. Αλλά η κοινή χρήση δεδομένων πολύ συχνά συνοδεύεται από ανυπολόγιστους κινδύνους παραβιάσεων της ιδιωτικής ζωής ή ακόμα και απώλειας ελέγχου.
Το Multi-Party Computation (MPC) προσφέρει μια δημιουργική λύση σε αυτό το ζήτημα, συμβάλλοντας στη δημιουργία μιας νέας διαδικτυακής ατμόσφαιρας όπου τα μέρη μπορούν να έχουν πρόσβαση σε συγκεκριμένους τύπους δεδομένων χωρίς να διακυβεύεται η ασφάλεια των πληροφοριών άλλων ατόμων ή των δικών τους.
Το MPC χρησιμοποιεί ασφαλείς αλγόριθμους που δεν εκθέτουν δεδομένα εκτός από τα αποτελέσματα, πράγμα που σημαίνει ότι τα μέρη μπορούν να λάβουν σημαντικές αποφάσεις χωρίς να αποκαλύπτουν προσωπικά στοιχεία ή να παραβιάζουν τα δικαιώματα απορρήτου άλλων. Αυτή η τεχνολογία θα μπορούσε να φέρει επανάσταση στην ασφάλεια των δεδομένων όπως τη γνωρίζουμε και να ανοίξει το δρόμο για ένα ασφαλές μέλλον γεμάτο ευκαιρίες που προκύπτουν από την χρήσιμη ανταλλαγή πληροφοριών.
Οφέλη των λύσεων υπολογισμού πολλών μερών
Οι λύσεις MPC προσφέρουν ένα ευρύ φάσμα πλεονεκτημάτων, όπως:
• Αυξημένη ασφάλεια – Διαχωρίζοντας κρυπτογραφημένα κομμάτια δεδομένων και μην εκθέτοντας οποιαδήποτε ακατέργαστα δεδομένα σε οποιοδήποτε σημείο, το MPC διασφαλίζει ότι κανένα μέρος δεν μπορεί να έχει πρόσβαση σε όλες τις πληροφορίες. Αυτό το καθιστά ιδανική λύση για την επεξεργασία πολύ ευαίσθητων πληροφοριών, όπως PII ή ιατρικά αρχεία.
• Βελτιωμένο απόρρητο – Καθώς κάθε συμμετέχων λαμβάνει μόνο μέρος του συνολικού συνόλου δεδομένων και κανένα μέρος δεν έχει πρόσβαση σε όλες τις πληροφορίες, το MPC συμβάλλει επίσης στη βελτίωση του απορρήτου εμποδίζοντας οποιοδήποτε μέρος να δημιουργήσει προφίλ ατόμων.
• Βελτιωμένη ταχύτητα και επεκτασιμότητα – Οι λύσεις MPC μπορούν να εκτελούν υπολογισμούς παράλληλα, πράγμα που σημαίνει ότι είναι σε θέση να επεξεργαστούν μεγάλες ποσότητες δεδομένων γρήγορα. Αυτό είναι ιδιαίτερα ωφέλιμο για εργασίες όπως η μηχανική εκμάθηση, που απαιτούν μεγάλη υπολογιστική ισχύ για να εκτελεστούν.
Μειονεκτήματα των λύσεων υπολογισμού πολλαπλών μερών
Τα κύρια μειονεκτήματα των λύσεων MPC περιλαμβάνουν:
• Μεγαλύτερο κόστος – Η εφαρμογή και η εκτέλεση μιας λύσης MPC απαιτεί περισσότερους πόρους από τις παραδοσιακές τεχνικές υπολογιστών. Αυτό περιλαμβάνει την ανάγκη αγοράς του υλικού, του λογισμικού και άλλων εργαλείων που απαιτούνται για την εγκατάσταση.
• Πολυπλοκότητα – Η εγκατάσταση ενός συστήματος MPC μπορεί να είναι περίπλοκη λόγω των πρόσθετων τεχνικών κρυπτογραφίας που απαιτούνται. Αυτό μπορεί επίσης να καταστήσει δύσκολη την αντιμετώπιση προβλημάτων και τον εντοπισμό σφαλμάτων, καθώς τυχόν ζητήματα πρέπει να αντιμετωπιστούν από πολλά μέρη.
• Αργή ταχύτητες – Εφόσον οι λύσεις MPC εκτελούν υπολογισμούς σε κρυπτογραφημένα δεδομένα, μπορεί συχνά να εκτελούνται πιο αργά από τις παραδοσιακές υπολογιστικές διαδικασίες. Αυτό σημαίνει ότι οι εργασίες που απαιτούν μεγάλες ποσότητες υπολογιστικής ισχύος μπορεί να χρειαστούν περισσότερο χρόνο για να ολοκληρωθούν.
Εφαρμογές MPC στον πραγματικό κόσμο
Γενετικές δοκιμές
Οι γενετιστές χρησιμοποιούν το MPC για να αναλύσουν γενετικά δεδομένα. Αντί να στέλνει ακατέργαστες αλληλουχίες DNA μέσω του διαδικτύου, κάθε μέρος κρυπτογραφεί τα δικά του δεδομένα και τα στέλνει σε διακομιστή τρίτου μέρους όπου το MPC μπορεί να συγκρίνει, να αναλύει και να ερμηνεύει τα αποτελέσματα χωρίς να χρειάζεται όλα τα μέρη να αποκαλύπτουν τις ατομικές τους πληροφορίες.
Οι χρηματοοικονομικές συναλλαγές
Μπορείτε να χρησιμοποιήσετε το MPC για να εξασφαλίσετε οικονομικές συναλλαγές. Μπορείτε να το επιτύχετε χωρίζοντας τα δεδομένα σε πολλά κομμάτια και επεξεργάζοντάς τα σε ένα ασφαλές περιβάλλον MPC, διασφαλίζοντας ότι κανένα μέρος δεν έχει πρόσβαση σε όλες τις πληροφορίες. Αυτό το καθιστά ιδανικό για λύσεις ψηφιακών πληρωμών, όπως ανταλλακτήρια κρυπτονομισμάτων, όπου το απόρρητο είναι υψίστης σημασίας.
Η ιατρική έρευνα
Μπορείτε να χρησιμοποιήσετε λύσεις MPC για κοινή χρήση και ανάλυση μεγάλων ποσοτήτων ιατρικών δεδομένων. Με την κρυπτογράφηση των δεδομένων πριν από την αποστολή τους, κάθε μέρος μπορεί να έχει πρόσβαση σε ορισμένες πληροφορίες που δεν διακυβεύουν το απόρρητο ή την ασφάλεια άλλου ατόμου. Αυτό καθιστά το MPC ιδανική λύση για κλινικές δοκιμές και άλλα ερευνητικά έργα που αφορούν ευαίσθητα δεδομένα ασθενών.
Υπογραφή κατωφλίου σε blockchain
Το MPC μπορεί να προστατεύσει τις ψηφιακές υπογραφές σε διάφορα blockchain έργα. Το πέτυχαν μοιράζοντας την υπογραφή μεταξύ πολλών συμμετεχόντων, έτσι ώστε κανένα μέρος να μην έχει πρόσβαση σε ολόκληρη την υπογραφή. Αυτό διασφαλίζει ότι οι ψηφιακές υπογραφές παραμένουν ασφαλείς και στεγανές ακόμα και αν ένα μέρος τεθεί σε κίνδυνο.
Ασφαλείς εναλλακτικές λύσεις για το MPC
Κρυπτογραφικές μέθοδοι
Οι μέθοδοι κρυπτογράφησης αποτελούν αναπόσπαστο μέρος της ασφάλειας των υπολογιστών που μας επιτρέπουν να αποθηκεύουμε και να μεταδίδουμε ευαίσθητα δεδομένα με ασφάλεια. Δύο από τις κύριες κρυπτογραφικές μεθόδους που χρησιμοποιούνται για το σκοπό αυτό είναι η ομομορφική κρυπτογράφηση και οι αποδείξεις μηδενικής γνώσης.
Η ομομορφική κρυπτογράφηση χρησιμοποιεί μαθηματικούς τύπους για να επιτρέψει τον υπολογισμό των κρυπτογραφημένων δεδομένων χωρίς να τα αποκρυπτογραφήσει πρώτα, καθιστώντας ευκολότερη την ασφαλή κοινή χρήση δεδομένων χωρίς να διακυβεύεται το απόρρητο.
Οι αποδείξεις μηδενικής γνώσης παρέχουν μαθηματικές τεχνικές για την επαλήθευση της αλήθειας σχετικά με τις πληροφορίες χωρίς να αποκαλύπτουν τις λεπτομέρειές τους, καθιστώντας τις εξαιρετικά χρήσιμες όταν ασχολούμαστε με εμπιστευτικές πληροφορίες.
Μια άλλη τεχνική που χρησιμοποιείται στην κρυπτογραφία είναι το διαφορικό απόρρητο, το οποίο προσθέτει μια ελεγχόμενη ποσότητα τυχαίας στα συλλεγόμενα δεδομένα, εμποδίζοντας τα κακόβουλα μέρη να αποκτήσουν προσωπικά στοιχεία των χρηστών. Ουσιαστικά, οι κρυπτογραφικές μέθοδοι μάς προσφέρουν περισσότερο έλεγχο στα δεδομένα μας παρέχοντας ένα αυξημένο επίπεδο ασφάλειας και προστασίας από παραβιάσεις δεδομένων.
Μέθοδοι που υποστηρίζονται από AI/ML
Οι μέθοδοι που υποστηρίζονται από AI/ML συμβάλλουν στην ενίσχυση της επόμενης γενιάς πρωτοβουλιών που βασίζονται στο απόρρητο. Δύο βασικές τεχνικές που επιτρέπουν αυτή τη στροφή είναι τα συνθετικά δεδομένα και η ομοσπονδιακή μάθηση.
Τα συνθετικά δεδομένα είναι μια μορφή τεχνητής νοημοσύνης που δημιουργεί σημεία δεδομένων που αναπαράγουν την κατανομή των σχετικών χαρακτηριστικών χωρίς να χρησιμοποιούν πραγματικά πραγματικές πληροφορίες.
Η ομοσπονδιακή μάθηση είναι μια μορφή κατανεμημένης τεχνικής μηχανικής μάθησης όπου οι αναλυτές εκπαιδεύουν μοντέλα σε πολλαπλά σύνολα δεδομένων ταυτόχρονα χωρίς τον κίνδυνο να διακυβευτούν τυχόν εμπιστευτικές ή ευαίσθητες πληροφορίες που είναι αποθηκευμένες σε αυτά.
Μαζί, αυτές οι δύο μέθοδοι επιτρέπουν τόσο καλύτερη ακρίβεια όσο και ισχυρότερη προστασία απορρήτου δεδομένων από την αρχή μέχρι το τέλος, επιτρέποντάς μας να λαμβάνουμε πιο έξυπνες αποφάσεις με μεγαλύτερη βεβαιότητα.
Συμπέρασμα
Το MPC είναι μια ολοένα και πιο δημοφιλής τεχνολογία που επιτρέπει την ασφαλή επεξεργασία δεδομένων μεταξύ πολλών μερών χωρίς κανένα μέρος να έχει πρόσβαση στο πλήρες σύνολο δεδομένων. Χρησιμοποιεί κρυπτογραφικές τεχνικές όπως η κοινή χρήση μυστικών και η ομομορφική κρυπτογράφηση για να χωρίσει και να κρυπτογραφήσει κομμάτια δεδομένων, διασφαλίζοντας ότι κανένας από τους συμμετέχοντες δεν μπορεί να έχει πρόσβαση στα ακατέργαστα δεδομένα ή να προφίλ οποιουδήποτε ατόμου από αυτά.
Με τα πολλά πλεονεκτήματά τους, συμπεριλαμβανομένης της αυξημένης ασφάλειας, του βελτιωμένου απορρήτου και της βελτιωμένης ταχύτητας και επεκτασιμότητας, οι λύσεις MPC προσφέρουν μια ισχυρή λύση για τους οργανισμούς για την ασφαλή και αποτελεσματική επεξεργασία ευαίσθητων δεδομένων.
Πηγή: https://www.cryptopolitan.com/multi-party-computation-mpc-solutions/