
«`html
Гарантирование конфиденциальности и безопасности данных во время вычислительных процессов
Одной из основных проблем является обеспечение конфиденциальности и безопасности данных во время использования облачных услуг. Традиционные методы шифрования требуют расшифровки данных перед обработкой, что повышает риск их утечки. Гомоморфное шифрование предлагает многообещающее решение, позволяющее проводить вычисления над зашифрованными данными без раскрытия основной информации.
Применение нового пакета swift-homomorphic-encryption от Apple
Этот пакет позволяет выполнять вычисления над зашифрованными данными, не расшифровывая их или получая доступ к ключу расшифровки. Клиенты могут отправлять зашифрованные данные на сервер, который обрабатывает их, и возвращать зашифрованный результат, которым клиент может расшифровать. Такой подход поддерживает конфиденциальность и безопасность данных на всем протяжении вычислительного процесса, что делает его идеальным для облачных услуг.
Преимущества пакета swift-homomorphic-encryption
Этот пакет использует несколько продвинутых функций: Swift на сервере, Heм Lib для проверки скорости работы, а также Swift Crypto для обеспечения производительной низкоуровневой криптографии.
Применение гомоморфного шифрования Apple в iOS 18
Apple использует гомоморфное шифрование в функции Live Caller ID Lookup для предоставления услуг идентификации вызывающего и блокировки спама. Эта функция отправляет зашифрованный запрос на сервер, который извлекает информацию о номере телефона, не зная конкретного номера в запросе. Этот пример продемонстрирует практическое применение гомоморфного шифрования.
Применение лукапа для частной информации
Функция Live Caller ID Lookup также использует частный поиск информации (PIR), позволяющий клиентам выполнять поиск приватной базы данных по ключевым словам. Эта реализация использует гомоморфное шифрование, требуя только небольшое количество метаданных базы данных для синхронизации с клиентом.
Преимущества пакета swift-homomorphic-encryption
Этот пакет дает возможность разработчикам и исследователям создавать приложения с сохранением конфиденциальности как в Apple, так и вне его экосистемы. Потенциальные применения включают в себя приватную пересечение множеств, безопасную агрегацию и машинное обучение. Сообщество приглашается вносить свой вклад в проект и исследовать новые сценарии использования гомоморфного шифрования, способствуя инновациям и улучшая защиту данных.
Подробности
Вся кредит за это исследование принадлежит исследователям этого проекта. Также, не забудьте подписаться на наш Твиттер и присоединиться к нашему каналу в Телеграме и группе в LinkedIn. Если вам понравилась наша работа, вам понравится наша рассылка.
AI Webinars и AI DistillKit
Будущее уже здесь! Компания Arcee AI выпустила DistillKit: открытый и легкий в использовании инструмент для трансформации модели дистилляции с целью создания эффективных языковых моделей высокой производительности.
«`