Hurtigere beregning på fortrolige data

[BjarneModerator Super Nova]

En statistisk undersøgelse af sammenkørte data fra forskellige registre er ikke fortrolig blot fordi man erstatter CPR-nummeret med et tilfældigt tal, men der er håb forude for en metode ved navn MPC:

Forsker får europæisk bevilling til at udvikle beregning på private og fortrolige data

Der er et stigende behov for beregninger af private input på en måde, som sikrer, at inputtene holdes fortrolige og resultaterne korrekte, eksempelvis ved indkomstanalyser. Nu har aarhusiansk forsker fået en bevilling på at udvikle metoden. (fortrolige sundhedsdata er et andet eksempel)

Det Europæiske Forskningsråd (ERC) har tildelt lektor Claudio Orlandi fra Institut for Datalogi på Aarhus Universitet et Starting Grant på 1,5 mio. euro til forskning i fortrolig, effektiv og sikker multiparty computation (MPC).

Claudio Orlandi skal bruge pengene og de næste fem år på at udtænke en ny og mere effektiv tilgang til secure MPC (MultiParty Computation), eller sikker distribueret beregning på dansk, skriver universitetet i en meddelelse på Ritzau.

Teknologien er nemlig ved at nå grænsen for, hvor store opgaver den kan løse, mener han.

MPC er en kryptografisk teknologi, der gør det muligt at lave beregninger på krypterede værdier og dermed løse den indbyggede konflikt, der kan være mellem nytteværdi og privatliv, når der skal regnes med følsomme data.

Derved kan parter, som ikke stoler på hinanden, beregne enhver fælles funktion af deres private input på en måde, som sikrer, at inputtene er fortrolige og resultaterne korrekte. For eksempel kan to personer finde ud af, hvem af dem der er rigest, uden at skulle oplyse deres formue til hinanden.

Øget behov for datafortrolighed

Behovet for sådanne fortrolige databeregninger bliver stadigt mere aktuelt, fordi der er et stigende behov for at analysere på de mange data, der bliver indsamlet – for at skabe ny viden og bidrage til et bedre samfund.

Men dataene kan også lækkes og misbruges, lyder det fra universitetet. Og derfor er der brug for metoder, der sikrer fortrolighed.

I løbet af det seneste årti er effektiviteten af ​​MPC blevet forbedret betydeligt, og disse fremskridt har givet flere virksomheder over hele verden mulighed for at begynde at implementere og inkludere MPC-løsninger i deres produkter – som f.eks. anvendes i sikre auktioner, benchmarking, beskyttelse af personlige oplysninger, databehandling osv.

Men MPC er stadig langtfra effektiv nok til, at den lovende teknologi kan bruges i dagligdags beregninger.

»Det ser nu ud til, at vi har nået en mur, når det gælder mulighederne for at forbedre de nuværende byggesten til MPC, hvilket forhindrer MPC i at indgå i kritiske storskala-applikationer,« forklarer Claudio Orlandi.

Han mener, at der skal et radikalt paradigmeskifte i MPC-forskning til for at gøre MPC virkelig praktisk.

Med ERC-bevillingen vil Claudio Orlandi træde et skridt tilbage og udfordre nuværende antagelser i MPC-forskning samt designe nye MPC-løsninger. Hans hypotese er, at hvis MPC skal udvikles til næste stadie, kræver det mere en realistisk modellering af den måde, hvorpå sikkerhed, privatliv og effektivitet defineres og måles.

»Det særlige ved et ERC Starting Grant er, at det giver forskeren en meget høj grad af frihed, hvilket er nødvendigt for at kaste sig ud i potentielt risikable, men lovende forskningsretninger. Nøgleordene er høj risiko og stort udbytte.«

 

[Forfatter]

Indlæg