Multi-Party Computation (MPC) – бул маалыматтарды коопсуз иштетүүгө жана бир нече тараптардын ортосунда маалыматтардын толук топтомуна жетүү мүмкүнчүлүгүнө ээ болбогон технология.
Бөлүштүрүлгөн эсептөөнүн бул түрү акыркы жылдарда популярдуу болууда, анткени анын утилитасы катышуучулар чийки маалыматтарга кирбестен, жеке идентификациялык маалымат (PII) боюнча коопсуз эсептөөлөрдү камтыйт. Эч бир катышуучу бардык маалыматтарга кирүү мүмкүнчүлүгүнө ээ болбошу үчүн криптологдор тараптарга шифрленген маалыматтарды өз ара бөлүшүүгө жана бөлүшүүгө мүмкүндүк берген ар кандай протоколдорду иштеп чыгышкан.
Көп партиялуу эсептөө деген эмне?
Негизинен, MPC бир нече тараптарга чийки маалыматтарга кирүү мүмкүнчүлүгүнө ээ болбогон бир да тарапка маалыматтарды эсептөөгө мүмкүндүк берген технология. Алар муну маалыматтарды бөлүктөргө бөлүп, бир дагы катышуучу өз алдынча чече албагыдай кылып шифрлөө аркылуу ишке ашырышты.
MPCтин негизги компоненти - бул шифрленген маалыматтар боюнча эсептөөгө мүмкүндүк берет, ошондуктан катышуучулар башка тараптар кандай эсептөөлөрдү аткарып жатканын же процесстен кандай натыйжа алып жатканын көрө алышпайт.
MPC тарыхы
Көп партиялуу эсептөөлөр (MPC) биринчи жолу 1970-жылдары, кытайлык криптографиялык легенда Эндрю Яо эки тарапка өздөрүнүн киргизген маалыматтарын көрсөтпөстөн маалыматтарды эсептөөгө мүмкүндүк берген Garbled Circuits Протоколун түзгөндө жаркыраган. Анын «Миллионерлер проблемасы» КПКнын эки партиялуу системасынын жөнөкөй мисалын келтирген.
1987-жылы GMW (Голдрейх-Микали-Вигдерсон) протоколу түзүлүп, чындап көп партиялуу платформаларга мүмкүнчүлүк түзүлдү, ал эми 2008-жылы MPC бардык катышуучулардын купуялуулугун сактаган даниялык кант кызылчасынын жабык аукционунда өзүнүн чыныгы дебютун өткөрдү. тартылган. Бул бир нече катышуучулар менен коопсуз санариптик транзакцияларды жүргүзүүнүн революциялык жаңы жолунун башталышын белгиледи.
Көп партиялуу эсептөө кантип иштейт?
MPC бир нече тараптардын ортосунда шифрленген маалыматтарды бөлүү жана бөлүшүү үчүн жашыруун бөлүшүү жана гомоморфтук шифрлөө сыяктуу криптографиялык ыкмаларды колдонот. Жашыруун бөлүшүү маалыматтын бир бөлүгүн бир нече компоненттерге бөлүүнү камтыйт, ар бир тарап бир гана бөлүгүн алат, башкача айтканда, алардын бири да толук маалыматка кире албайт. Гомоморфтук шифрлөө шифрленген маалыматтар боюнча эсептөөлөрдү иштетүү үчүн колдонулат, башкача айтканда, алар ачык текст түрүндө купуя маалыматты ачыкка чыгарбайт.
Көп партиялуу эсептөө кантип иштээрин көрсөтүү үчүн мисал
Айталы, үч компания, A, B жана C, долбоор боюнча кызматташууну каалайт, бирок алардын купуя маалыматтарын бөлүшүү үчүн бири-бирине жетиштүү ишенишпейт. MPC чечимдерин колдонуу менен, алар маалыматтарды коопсуз түрдө өз ара бөлүштүрө алышат жана алардын бири да чийки маалыматка кире албайт.
Биринчиден, A, B жана C маалыматтарын бир нече компоненттерге бөлүү үчүн жашыруун бөлүшүү алгоритмдерин колдонушат. Ар бир компания гомоморфтук шифрлөө алгоритмдерин колдонуп, бул бөлүктөрдү шифрлеп, калган эки катышуучуга жөнөтөт. Эми үч тарап тең бири-биринен маалыматтарды шифрлеген, бирок алардын бири да өз алдынча шифрди чече албайт жана маалыматтын толук топтомун ала албайт.
Андан кийин, A, B жана C шифрленген маалыматтар боюнча эсептөөлөрдү эч качан чечпестен аткара алышат. Бул ар бир катышуучу дагы эле долбоор боюнча кызматташа алат, ал эми өз салымын көрө алат дегенди билдирет. Акыр-аягы, бул катышуучулардын эч кимиси бири-биринин чийки маалыматтарына кире албагандыктан, алар өздөрүнүн маалымат коопсуз экенине шектенбесек болот.
Эмне үчүн MPC купуялуулукту сактаган эсептөө деп аталат?
Маалыматтар азыркы дүйнөдө алмаштырылгыс курал болуп саналат, ага түздөн-түз байкоо жүргүзүүгө мүмкүн болгон дүйнөдөгү эң революциялык жана прогрессивдүү жетишкендиктер бар. Бирок маалыматтарды бөлүшүү көбүнчө купуялыктын бузулушу же көзөмөлдү жоготуунун эсепсиз тобокелдиктери менен коштолот.
Көп партиялуу эсептөө (MPC) бул маселенин креативдүү чечимин сунуштайт, бул тараптар башка адамдардын же өздөрүнүн маалыматтарынын коопсуздугуна зыян келтирбестен айрым маалыматтарга кире ала турган жаңы онлайн атмосферасын түзүүгө жардам берет.
MPC натыйжалардан башка эч кандай маалыматты ачыкка чыгарбаган коопсуз алгоритмдерди колдонот, башкача айтканда, тараптар жеке маалыматтарды ачыкка чыгарбастан же башкалардын купуялык укуктарын бузбастан маанилүү чечимдерди кабыл ала алышат. Бул технология биз билгендей маалыматтардын коопсуздугун өзгөртүп, пайдалуу маалымат алмашуудан келип чыккан мүмкүнчүлүктөр менен толукталган коопсуз келечекке жол ачышы мүмкүн.
Көп партиялуу эсептөө чечимдеринин артыкчылыктары
MPC чечимдери көптөгөн артыкчылыктарды сунуштайт, анын ичинде:
• Коопсуздукту жогорулатуу – Шифрленген маалыматтарды бөлүү менен жана эч кандай чийки маалыматтарды эч качан ачыкка чыгарбоо менен, MPC бир да тарап бардык маалыматка кире албасын камсыздайт. Бул аны PII же медициналык жазуулар сыяктуу өтө сезимтал маалыматты иштетүү үчүн идеалдуу чечим кылат.
• Жакшыртылган купуялуулук – Ар бир катышуучу жалпы маалымат топтомунун бир бөлүгүн гана алгандыктан жана бир дагы тарап бардык маалыматка жете албагандыктан, MPC жеке адамдардын профилин түзүүсүнө жол бербөө аркылуу купуялуулукту жакшыртууга жардам берет.
• Жакшыртылган ылдамдык жана масштабдуулук – MPC чечимдери параллелдүү эсептөөлөрдү жүргүзө алат, башкача айтканда, алар чоң көлөмдөгү маалыматтарды тез иштете алат. Бул аткаруу үчүн көп эсептөө күчүн талап кылган машина үйрөнүү сыяктуу тапшырмалар үчүн өзгөчө пайдалуу.
Көп партиялуу эсептөө чечимдеринин кемчиликтери
MPC чечимдеринин негизги кемчиликтери төмөнкүлөрдү камтыйт:
• Жогорку чыгымдар – MPC чечимди ишке ашыруу жана иштетүү салттуу эсептөө ыкмаларына караганда көбүрөөк ресурстарды талап кылат. Бул орнотуу үчүн зарыл болгон жабдыктарды, программалык камсыздоону жана башка куралдарды сатып алууну камтыйт.
• Татаалдуулук – MPC системасын орнотуу кошумча криптографиялык техникаларды талап кылгандыктан татаал болушу мүмкүн. Бул ошондой эле көйгөйлөрдү чечүү жана мүчүлүштүктөрдү оңдоону кыйындатат, анткени ар кандай маселелер бир нече тарапта чечилиши керек.
• Жай ылдамдык – MPC чечимдери шифрленген маалыматтар боюнча эсептөөлөрдү жүргүзүп жаткандыктан, алар адатта салттуу эсептөө процесстерине караганда жайыраак иштеши мүмкүн. Бул чоң өлчөмдөгү эсептөө күчүн талап кылган тапшырмаларды аткаруу үчүн көбүрөөк убакыт талап кылынышы мүмкүн дегенди билдирет.
Чыныгы дүйнөдө MPC колдонмолору
генетикалык анализ
Генетиктер генетикалык маалыматтарды талдоо үчүн MPC колдонушат. Интернет аркылуу чийки ДНК ырааттуулугун жөнөтүүнүн ордуна, ар бир тарап өзүнүн маалыматтарын шифрлейт жана аны үчүнчү тараптын серверине жөнөтөт, ал жерде MPC бардык тараптар өздөрүнүн жеке маалыматтарын ачыкка чыгарбастан, натыйжаларды салыштырып, талдап жана чечмелей алат.
Финансылык операциялар
Сиз каржылык бүтүмдөрдү камсыз кылуу үчүн MPC колдоно аласыз. Буга маалыматтарды бир нече бөлүктөргө бөлүү жана коопсуз MPC чөйрөсүндө иштетүү аркылуу жетүү үчүн, бир дагы тарап бардык маалыматка жетүү мүмкүнчүлүгүнө ээ эмес. Бул аны купуялык өтө маанилүү болгон криптовалюталык алмашуу сыяктуу санариптик төлөм чечимдери үчүн идеалдуу кылат.
Медициналык изилдөө
Сиз медициналык маалыматтардын чоң көлөмүн бөлүшүү жана талдоо үчүн MPC чечимдерин колдоно аласыз. Берилиштерди жөнөтүүдөн мурун шифрлөө менен, ар бир тарап башка эч кимдин купуялуулугуна же коопсуздугуна зыян келтирбеген белгилүү бир маалыматка кире алат. Бул MPCди клиникалык сыноолор жана пациенттердин сезимтал маалыматтарын камтыган башка изилдөө долбоорлору үчүн идеалдуу чечим кылат.
Блокчейндерде босогого кол коюу
MPC ар кандай цифралык кол тамгаларды коргой алат blockchain долбоорлор. Алар буга колду бир нече катышуучулардын арасында бөлүштүрүү аркылуу жетишти, муну менен бир дагы тарап бүт кол тамгага кире албайт. Бул санариптик кол тамгалардын бир тараптын бузулушуна карабастан, коопсуз жана бузуудан корголушун камсыздайт.
MPC үчүн коопсуз альтернатива
Криптографиялык методдор
Криптографиялык методдор компьютердик коопсуздуктун ажырагыс бөлүгү болуп саналат, ал бизге купуя маалыматтарды коопсуз сактоого жана берүүгө мүмкүндүк берет. Бул максатта колдонулган негизги криптографиялык ыкмалардын экөө гомоморфтук шифрлөө жана нөлдүк билим далилдери.
Гомоморфтук шифрлөө математикалык формулаларды колдонуп, шифрленген маалыматтарды адегенде шифрден чыгарбастан эсептөөнү иштетет, бул купуялуулукка доо кетирбестен маалыматтарды коопсуз бөлүшүүнү жеңилдетет.
Нөлдүк билимдин далилдери маалыматтын чоо-жайын көрсөтпөстөн, чындыкты текшерүү үчүн математикалык ыкмаларды берет, бул аларды жашыруун маалымат менен иштөөдө абдан пайдалуу кылат.
Криптографияда колдонулган дагы бир ыкма – дифференциалдык купуялуулук, ал чогултулган маалыматтарга кокустуктун башкарылуучу көлөмүн кошуп, зыяндуу тараптардын колдонуучулардын жеке маалыматтарын алууга жол бербейт. Негизинен, криптографиялык ыкмалар коопсуздуктун жогорулатылган катмарын жана берилиштердин бузулушунан коргоону камсыз кылуу аркылуу маалыматтарыбызды көбүрөөк көзөмөлдөөнү сунуштайт.
AI/ML колдогон методдор
AI/ML колдогон ыкмалар жекеликке негизделген демилгелердин кийинки муунун күчтөндүрүүгө жардам берет. Бул жылышты камсыз кылган эки негизги ыкмалар - синтетикалык маалыматтар жана федеративдүү окутуу.
Синтетикалык маалыматтар - бул жасалма интеллекттин бир түрү, ал чыныгы маалыматты иш жүзүндө колдонбостон, тиешелүү мүнөздөмөлөрдүн бөлүштүрүлүшүн кайталаган маалымат чекиттерин түзөт.
Федерацияланган окутуу - бул бөлүштүрүлгөн машинаны үйрөнүү техникасынын бир түрү, мында аналитиктер моделдерди бир эле учурда бир нече маалымат топтомдору боюнча үйрөтүшөт, аларда сакталган кандайдыр бир купуя же купуя маалыматка зыян келтирбестен.
Бул эки ыкма биригип, башынан аягына чейин тактыкты жана маалыматтардын купуялыгын коргоону күчөтөт, бул бизге көбүрөөк кепилдик менен акылдуураак чечимдерди кабыл алууга мүмкүндүк берет.
жыйынтыктоо
MPC - бул бир нече тараптын ортосунда маалыматтарды коопсуз иштетүүгө мүмкүндүк берүүчү барган сайын популярдуу технология. Ал маалыматтарды бөлүү жана шифрлөө үчүн жашыруун бөлүшүү жана гомоморфтук шифрлөө сыяктуу криптографиялык ыкмаларды колдонот, бул катышуучулардын эч кимиси чийки маалыматтарга кире албашын же андан кандайдыр бир инсандын профилин ала албашын камсыздайт.
Көптөгөн артыкчылыктары, анын ичинде коопсуздукту жогорулатуу, купуялуулукту жогорулатуу жана ылдамдыкты жана масштабдуулукту жогорулатуу менен MPC чечимдери уюмдар үчүн купуя маалыматтарды коопсуз жана натыйжалуу иштетүү үчүн күчтүү чечимди сунуштайт.
Булак: https://www.cryptopolitan.com/multi-party-computation-mpc-solutions/