Có rất nhiều ý tưởng tinh tế trong mật mã học. Mã hóa đồng cấu đầy đủ (FHE) có lẽ là ý tưởng kỳ lạ nhất mà thực sự hoạt động được.
Ý tưởng đó là: bạn mã hóa dữ liệu của mình, giao cho người khác, họ thực hiện các phép tính trên đó, trả lại kết quả, và khi bạn giải mã kết quả đó, nó hoàn toàn chính xác. Người thực hiện tính toán chưa bao giờ nhìn thấy dữ liệu của bạn. Không phải phiên bản đã được làm sạch. Không phải một hash. Các giá trị thực sự bên dưới chưa bao giờ bị lộ, dù chỉ trong một phần triệu giây.
Craig Gentry đã chứng minh điều này là khả thi vào năm 2009. Cộng đồng mật mã học đã băn khoăn về khả năng đó trong khoảng 30 năm trước đó.
FHE hoạt động như thế nào
Mã hóa thông thường là một cánh cửa một chiều. Bạn khóa dữ liệu lại, và bất kỳ ai muốn làm gì với nó đều phải mở khóa trước. FHE giữ cánh cửa vẫn khóa nhưng cho phép bạn sắp xếp lại đồ đạc từ bên ngoài.
Chính xác hơn: các lược đồ FHE định nghĩa hai phép toán trên bản mã, thường được gọi là phép cộng đồng cấu và phép nhân đồng cấu. Chúng ánh xạ đến các phép toán tương ứng trên bản rõ. Nếu bạn cộng hai giá trị đã mã hóa, kết quả khi giải mã sẽ bằng tổng của các giá trị gốc. Tương tự với phép nhân.
Hai phép toán đó là đủ để xây dựng bất kỳ hàm nào mà máy tính có thể tính toán. (Phép cộng và phép nhân trên trường nhị phân cho bạn cổng AND và XOR, từ đó tạo ra các mạch tùy ý.) Đó là cầu nối từ "hai phép toán trên các số đã mã hóa" đến "tính toán tùy ý trên dữ liệu đã mã hóa."
Điểm khó là nhiễu. Mỗi phép toán FHE thêm một lượng nhỏ sai số vào bản mã. Thực hiện đủ nhiều phép toán và nhiễu sẽ lấn át tín hiệu. Bạn không còn có thể giải mã nữa. Đóng góp quan trọng của Gentry là một kỹ thuật gọi là bootstrapping: một cách chạy mạch giải mã trên bản mã trong khi nó vẫn còn được mã hóa, giúp đặt lại mức độ nhiễu. Điều này rất kỳ lạ nếu bạn suy nghĩ quá lâu về nó. Hàm giải mã thực hiện giải mã… bên trong phần mã hóa. Đó là điều làm cho lược đồ trở thành "đầy đủ" đồng cấu thay vì chỉ là "phần nào" đồng cấu.
Mã hóa đồng cấu một phần (SHE) xử lý một số lượng cố định các phép toán trước khi nhiễu trở nên nghiêm trọng. Mã hóa đồng cấu có cấp độ (LHE) xử lý một độ sâu mạch được xác định trước. FHE xử lý bất kỳ mạch nào, không giới hạn, vì bootstrapping cho phép bạn tiếp tục.
FHE có thể được sử dụng ở đâu hiện nay
Đối với hầu hết các ứng dụng, FHE vẫn còn quá chậm. Nhưng "hầu hết" có ranh giới rõ ràng. Đã có các triển khai thực tế đang chạy ngày nay.
Suy luận học máy riêng tư. Một máy khách có dữ liệu đầu vào nhạy cảm. Một máy chủ có mô hình độc quyền. Không bên nào muốn để lộ những gì họ có cho bên kia. FHE cho phép máy chủ đánh giá mô hình của mình trên đầu vào đã mã hóa của máy khách và trả về kết quả đã mã hóa mà máy khách có thể giải mã. Máy chủ không bao giờ thấy đầu vào. Máy khách không bao giờ thấy trọng số mô hình. Các công ty đã triển khai điều này cho các kiến trúc mô hình cụ thể. Khối lượng công việc phù hợp với các ràng buộc hiện tại của FHE vì độ sâu mạch bị giới hạn và có thể dự đoán được.
Tính toán bộ gen riêng tư. Dữ liệu bộ gen nhạy cảm theo những cách vượt xa số an sinh xã hội: nó liên quan đến người thân của bạn, nó là vĩnh viễn, và các rủi ro về quyền riêng tư ngày càng tăng khi các cơ sở dữ liệu tham chiếu phát triển. Các nhà nghiên cứu đã sử dụng FHE để tính toán điểm rủi ro bệnh tật và so sánh di truyền mà không để lộ các chuỗi bên dưới cho bên thực hiện tính toán. Các cuộc thi iDASH đã đánh giá chuẩn trường hợp sử dụng này từ năm 2014.
Truy vấn cơ sở dữ liệu riêng tư. Bạn muốn truy vấn cơ sở dữ liệu mà không tiết lộ những gì bạn đang tìm kiếm. Tìm kiếm từ khóa, truy vấn phạm vi và kiểm tra thành viên tập hợp đều có cấu trúc FHE. Chi phí vẫn còn đáng kể nhưng có thể quản lý được đối với các truy vấn tần suất thấp, giá trị cao.
Tính toán liên kết với đảm bảo quyền riêng tư. Nhiều bệnh viện muốn huấn luyện một mô hình trên dữ liệu bệnh nhân kết hợp của họ mà không chia sẻ hồ sơ. FHE (thường kết hợp với tính toán đa bên an toàn) cho phép thực hiện tính toán kết hợp mà không cần gộp dữ liệu.
FHE so với các phương pháp bảo vệ quyền riêng tư khác
FHE không tồn tại độc lập. Đây là một công cụ trong một bộ công cụ bao gồm:
Tính toán đa bên an toàn (MPC): nhiều bên cùng tính toán một hàm mà không tiết lộ đầu vào của họ cho nhau. MPC thường nhanh hơn FHE đối với các hàm cụ thể và yêu cầu nhiều bên không thông đồng. FHE hoạt động với một máy chủ duy nhất.
Quyền riêng tư vi sai (DP): thêm nhiễu được hiệu chỉnh vào đầu ra để giới hạn những gì đối thủ có thể suy luận về các cá nhân trong tập dữ liệu. DP bảo vệ chống lại các cuộc tấn công suy luận trên kết quả tổng hợp nhưng không cho phép tính toán trên đầu vào riêng tư.
Môi trường thực thi đáng tin cậy (TEEs): các vùng bảo mật phần cứng (Intel SGX, AMD SEV) chạy mã trong một vùng bộ nhớ được bảo vệ mà hệ điều hành không thể đọc. TEEs giả định bạn tin tưởng nhà cung cấp phần cứng và không có lỗ hổng nào trong quá trình triển khai. FHE giả định bạn tin tưởng vào toán học.
Bằng chứng không tiết lộ thông tin (ZKPs): cho phép bạn chứng minh một tuyên bố là đúng mà không tiết lộ lý do tại sao nó đúng. ZKPs chứng minh các thuộc tính; FHE tính toán trên các giá trị riêng tư. Chúng bổ sung cho nhau.
Các hệ thống lai ngày càng phổ biến. FHE xử lý tính toán nhạy cảm; ZKPs xác minh tính toán được thực hiện đúng; MPC phân phối sự tin tưởng. Ranh giới giữa các công nghệ này đang dần mờ nhạt khi các nhà thực hành xây dựng các hệ thống cần các thuộc tính từ nhiều công nghệ cùng một lúc.
