Ang Multi-Party Computation (MPC) ay isang teknolohiyang nagbibigay-daan sa secure na pagproseso at pagbabahagi ng data sa pagitan ng maraming partido na walang iisang partido na may access sa buong hanay ng data.
Ang ganitong uri ng distributed computing ay nakakakuha ng traksyon sa mga nakalipas na taon, dahil kasama sa utility nito ang ligtas na pagsasagawa ng mga computations sa personally identifiable information (PII), nang hindi ina-access ng mga kalahok ang raw data. Upang matiyak na walang iisang kalahok ang may access sa lahat ng data, bumuo ang mga cryptologist ng iba't ibang protocol na nagbibigay-daan sa mga partido na hatiin at ibahagi ang mga naka-encrypt na piraso ng data sa kanilang mga sarili.
Ano ang Multi-Party Computation?
Sa kaibuturan nito, ang MPC ay isang teknolohiyang nagbibigay-daan sa maraming partido na mag-compute ng data na walang iisang partido na may access sa raw data. Nagawa nila ito sa pamamagitan ng paghahati-hati ng data sa mga piraso at pag-encrypt sa mga ito upang walang kalahok ang makapag-decrypt nito nang mag-isa.
Ang isang mahalagang bahagi ng MPC ay nagbibigay-daan ito para sa pag-compute sa naka-encrypt na data, kaya hindi makikita ng mga kalahok kung ano ang ginagawa ng ibang mga partido sa pag-compute o kung anong mga resulta ang kanilang nakukuha sa proseso.
Kasaysayan ng MPC
Ang multi-party computation (MPC) ay unang gumawa ng splash noong 1970s, nang nilikha ng Chinese cryptography legend na si Andrew Yao ang Garbled Circuits Protocol, na nagpapahintulot sa dalawang partido na mag-compute ng data nang hindi inilalantad ang kanilang mga input. Ang Problema ng Kanyang mga Milyonaryo ay nagbigay ng isang simpleng halimbawa ng isang MPC two-party system.
Noong 1987, isinilang ang protocol ng GMW (Goldreich–Micali–Wigderson), na nagbibigay-daan para sa tunay na multi-party na mga platform, at noong 2008 nagkaroon ng real-world debut ang MPC sa isang Danish na sugar beet na selyadong bid na auction na nagpapanatili sa privacy ng lahat ng bidder. kasangkot. Nagmarka ito ng simula ng isang rebolusyonaryong bagong paraan upang magsagawa ng mga secure na digital na transaksyon sa maraming kalahok.
Paano Gumagana ang Multi-Party Computation?
Gumagamit ang MPC ng mga diskarte sa cryptography tulad ng lihim na pagbabahagi at homomorphic encryption upang hatiin at ibahagi ang mga naka-encrypt na piraso ng data sa pagitan ng maraming partido. Ang lihim na pagbabahagi ay nagsasangkot ng paghahati ng isang piraso ng impormasyon sa ilang bahagi, na ang bawat partido ay tumatanggap lamang ng isang piraso, ibig sabihin wala sa kanila ang may access sa buong data. Ginagamit ang homomorphic encryption upang paganahin ang mga pagkalkula sa naka-encrypt na data, ibig sabihin, hindi nila inilalantad ang sensitibong impormasyon sa plaintext form.
Isang halimbawa upang ilarawan kung paano Gumagana ang Multi-Party Computation
Sabihin nating tatlong kumpanya, A, B, at C, ang gustong mag-collaborate sa isang proyekto ngunit hindi sapat ang tiwala sa isa't isa para ibahagi ang kanilang sensitibong data. Sa pamamagitan ng paggamit ng mga solusyon sa MPC, maaari nilang ligtas na hatiin ang data sa kanilang mga sarili at magsagawa ng mga pagkalkula dito, nang walang sinuman sa kanila ang may access sa hilaw na impormasyon.
Una, gagamit ang A, B, at C ng mga lihim na algorithm sa pagbabahagi upang hatiin ang kanilang data sa ilang bahagi. Ang bawat kumpanya ay pagkatapos ay i-encrypt ang mga piraso gamit ang homomorphic encryption algorithm at ipapadala ang mga ito sa iba pang dalawang kalahok. Ngayon, lahat ng tatlong partido ay may naka-encrypt na mga piraso ng data mula sa isa't isa, ngunit wala sa kanila ang makakapag-decrypt nito sa kanilang sarili at ma-access ang buong hanay ng impormasyon.
Susunod, ang A, B, at C ay maaaring magsagawa ng mga pagkalkula sa naka-encrypt na data nang hindi na kailangang i-decrypt ito. Nangangahulugan ito na makikita lamang ng bawat kalahok ang kanilang sariling mga kontribusyon, habang nakikipagtulungan pa rin sa proyekto. Sa wakas, dahil wala sa mga kalahok na ito ang may access sa hilaw na data ng isa't isa, makatitiyak sila na ligtas ang kanilang sariling impormasyon.
Bakit tinatawag ang MPC na pag-compute na nagpapanatili ng privacy?
Ang data ay isang hindi maaaring palitan na tool sa mundo ngayon, na ang marami sa mga pinaka-rebolusyonaryo at progresibong pagsulong sa mundo ay direktang natunton dito. Ngunit ang pagbabahagi ng data ay madalas na may kasamang hindi mabilang na mga panganib ng mga paglabag sa privacy o kahit na pagkawala ng kontrol.
Nag-aalok ang Multi-Party Computation (MPC) ng isang malikhaing solusyon sa isyung ito, na tumutulong na lumikha ng bagong online na kapaligiran kung saan maa-access ng mga partido ang ilang uri ng data nang hindi nakompromiso ang kaligtasan ng impormasyon ng ibang tao o ng kanilang sarili.
Gumagamit ang MPC ng mga secure na algorithm na hindi naglalantad ng anumang data maliban sa mga resulta, ibig sabihin, ang mga partido ay maaaring gumawa ng mahahalagang desisyon nang hindi ibinubunyag ang mga personal na detalye o lumalabag sa mga karapatan sa privacy ng iba. Maaaring baguhin ng teknolohiyang ito ang seguridad ng data tulad ng alam natin at maghanda ng daan para sa isang secure na hinaharap na puno ng mga pagkakataong nagmumula sa kapaki-pakinabang na pagbabahagi ng impormasyon.
Mga Benepisyo ng Multi-Party Computation Solutions
Ang mga solusyon sa MPC ay nag-aalok ng malawak na hanay ng mga benepisyo, kabilang ang:
• Tumaas na seguridad – Sa pamamagitan ng paghahati-hati ng mga naka-encrypt na piraso ng data at hindi paglalantad ng anumang hilaw na data sa anumang punto, tinitiyak ng MPC na walang isang partido ang makaka-access sa lahat ng impormasyon. Ginagawa nitong perpektong solusyon para sa pagproseso ng napakasensitibong impormasyon, gaya ng PII o mga medikal na rekord.
• Pinahusay na privacy – Dahil ang bawat kalahok ay tumatanggap lamang ng bahagi ng pangkalahatang set ng data at walang iisang partido ang may access sa lahat ng impormasyon, tumutulong din ang MPC na pahusayin ang privacy sa pamamagitan ng pagpigil sa alinmang partido sa pag-profile ng mga indibidwal.
• Pinahusay na bilis at scalability – Ang mga solusyon sa MPC ay maaaring magpatakbo ng mga computations nang magkatulad, ibig sabihin, ang mga ito ay makakapagproseso ng malalaking halaga ng data nang mabilis. Ito ay lalong kapaki-pakinabang para sa mga gawain tulad ng machine learning, na nangangailangan ng maraming computational power upang maisagawa.
Mga Disadvantage ng Multi-Party Computation Solutions
Ang mga pangunahing disadvantage ng mga solusyon sa MPC ay kinabibilangan ng:
• Mas mataas na gastos – Ang pagpapatupad at pagpapatakbo ng solusyon sa MPC ay nangangailangan ng mas maraming mapagkukunan kaysa sa tradisyonal na mga diskarte sa pag-compute. Kabilang dito ang pagkakaroon ng pagbili ng hardware, software, at iba pang mga tool na kailangan para sa setup.
• Pagiging kumplikado – Ang pag-set up ng isang MPC system ay maaaring maging kumplikado dahil sa mga karagdagang pamamaraan ng cryptography na kailangan. Maaari din nitong gawing mahirap ang pag-troubleshoot at pag-debug, dahil kailangang tugunan ang anumang isyu sa maraming partido.
• Mabagal na bilis – Dahil ang mga solusyon sa MPC ay nagpapatakbo ng mga pag-compute sa naka-encrypt na data, kadalasan ay maaaring tumakbo ang mga ito nang mas mabagal kaysa sa tradisyonal na mga proseso ng pag-compute. Nangangahulugan ito na ang mga gawain na nangangailangan ng malaking halaga ng computational power ay maaaring mas matagal bago matapos.
Mga Aplikasyon ng MPC sa totoong mundo
Genetic testing
Ginagamit ng mga geneticist ang MPC upang pag-aralan ang genetic data. Sa halip na magpadala ng mga raw na sequence ng DNA sa internet, ine-encrypt ng bawat partido ang kanilang sariling data at ipinapadala ito sa isang third-party na server kung saan maaaring ihambing, suriin, at bigyang-kahulugan ng MPC ang mga resulta nang hindi inihahayag ng lahat ng partido ang kanilang indibidwal na impormasyon.
Financial mga transaksyon
Maaari mong gamitin ang MPC upang ma-secure ang mga transaksyong pinansyal. Maaabot mo ito sa pamamagitan ng paghahati ng data sa maraming piraso at pagproseso nito sa isang secure na kapaligiran ng MPC, na tinitiyak na walang isang partido ang may access sa lahat ng impormasyon. Ginagawa nitong perpekto para sa mga solusyon sa digital na pagbabayad tulad ng mga palitan ng cryptocurrency, kung saan ang privacy ay pinakamahalaga.
Medikal pananaliksik
Maaari mong gamitin ang mga solusyon sa MPC upang magbahagi at magsuri ng malaking halaga ng medikal na data. Sa pamamagitan ng pag-encrypt ng data bago ito ipadala, maaaring ma-access ng bawat partido ang ilang partikular na impormasyon na hindi nakompromiso ang privacy o seguridad ng ibang tao. Ginagawa nitong perpektong solusyon ang MPC para sa mga klinikal na pagsubok at iba pang proyekto sa pananaliksik na kinasasangkutan ng sensitibong data ng pasyente.
Pag-sign ng threshold sa mga blockchain
Maaaring protektahan ng MPC ang mga digital na lagda sa iba't ibang blockchain mga proyekto. Nakamit nila ito sa pamamagitan ng paghahati ng lagda sa maraming kalahok, na ginagawa itong walang iisang partido na may access sa buong lagda. Tinitiyak nito na ang mga digital na lagda ay mananatiling secure at tamper-proof kahit na ang isang partido ay makompromiso.
Mga ligtas na alternatibo sa MPC
Mga pamamaraan ng cryptographic
Ang mga pamamaraan ng cryptographic ay isang mahalagang bahagi ng seguridad ng computer na nagbibigay-daan sa amin na mag-imbak at magpadala ng sensitibong data nang ligtas. Dalawa sa mga pangunahing pamamaraan ng cryptographic na ginagamit para sa layuning ito ay homomorphic encryption at zero-knowledge proofs.
Gumagamit ang Homomorphic encryption ng mga mathematical formula upang paganahin ang pag-compute ng naka-encrypt na data nang hindi muna ito dine-decrypt, na ginagawang mas madali ang pagbabahagi ng data nang ligtas nang hindi nakompromiso ang privacy.
Ang mga zero-knowledge proofs ay nagbibigay ng mga mathematical technique upang i-verify ang katotohanan tungkol sa impormasyon nang hindi inilalantad ang detalye nito, na ginagawang lubhang kapaki-pakinabang kapag nakikitungo sa kumpidensyal na impormasyon.
Ang isa pang pamamaraan na ginagamit sa cryptography ay differential privacy, na nagdaragdag ng kontroladong dami ng randomness sa nakolektang data, na pumipigil sa mga malisyosong partido sa pagkuha ng mga personal na detalye ng mga user. Sa pangkalahatan, ang mga pamamaraan ng cryptographic ay nag-aalok sa amin ng higit na kontrol sa aming data sa pamamagitan ng pagbibigay ng mas mataas na layer ng seguridad at proteksyon laban sa mga paglabag sa data.
Mga pamamaraan na sinusuportahan ng AI/ML
Ang mga pamamaraan na sinusuportahan ng AI/ML ay nakakatulong na palakasin ang susunod na henerasyon ng mga inisyatiba na batay sa privacy. Dalawang pangunahing diskarte na nagbibigay-daan sa pagbabagong ito ay ang synthetic na data at federated learning.
Ang sintetikong data ay isang anyo ng artificial intelligence na lumilikha ng mga punto ng data na ginagaya ang pamamahagi ng mga nauugnay na katangian nang hindi aktwal na gumagamit ng aktwal na impormasyon.
Ang federated learning ay isang paraan ng distributed machine learning technique kung saan sinasanay ng mga analyst ang mga modelo sa maraming dataset nang sabay-sabay nang walang panganib na ikompromiso ang anumang kumpidensyal o sensitibong impormasyon na nakaimbak sa mga ito.
Magkasama, ang dalawang paraang ito ay nagbibigay-daan sa parehong mas mahusay na katumpakan at mas malakas na proteksyon sa privacy ng data mula simula hanggang matapos, na nagbibigay-daan sa amin na gumawa ng mas matalinong mga desisyon nang may higit na katiyakan.
Konklusyon
Ang MPC ay isang lalong popular na teknolohiya na nagpapagana ng secure na pagproseso ng data sa pagitan ng maraming partido na walang iisang partido na may access sa buong hanay ng data. Gumagamit ito ng mga diskarte sa cryptographic tulad ng lihim na pagbabahagi at homomorphic encryption upang hatiin at i-encrypt ang mga piraso ng data, tinitiyak na wala sa mga kalahok ang makaka-access sa raw data o profile ng sinumang indibidwal mula dito.
Sa maraming benepisyo nito, kabilang ang pinataas na seguridad, pinahusay na privacy, at pinahusay na bilis at scalability, ang mga solusyon sa MPC ay nag-aalok ng isang mahusay na solusyon para sa mga organisasyon upang ligtas at mahusay na magproseso ng sensitibong data.
Pinagmulan: https://www.cryptopolitan.com/multi-party-computation-mpc-solutions/