现如今随着数字化时代的到来,各个传统行业都喊出了数字化转型的口号,利用数字化重塑社会各行各业的运行规则,在加速了社会的发展但同时带来了个人或公司数据隐私的问题。那么“便捷性”和“隐私性”真的如同鱼和熊掌一般不可兼得吗,隐私计算或许可以可以给出一些缓解矛盾的方案。
二、什么是隐私计算
隐私计算其实是 一系列 “数据可用不可见”技术集合,在保护数据和隐私安全的前提下,实现数据价值的转化和释放。比如可以实现联合求交、联合统计、联合计算和隐私查询等。
三、隐私计算相关技术举例
隐私计算的技术方案也是密码学(如同态加密)、数据科学(如差分隐私)、可信硬件环境(如机密计算)、机器学习(如联邦学习)等多个领域的交叉融合,以下是一些方案举例。
1. 同态加密
同态加密是将原始数据经过同态加密后,对得到的密文进行特定的运算,然后将计算结果再进行同态解密后得到的明文,等价于原始明文数据直接进行相同计算所得到的数据结果。把密文进行计算得到的结果密文进行解密后的明文和原本明文进行相同计算的到的结果相同。
2. 混淆电路
混淆电路就像是一个特殊的计算器,它让双方能够在不泄露自己输入数据的情况下一起完成计算。这个计算器里的每个计算步骤都被加密和打乱了,所以在计算过程中,别人无法得知双方输入的原始数据和中间结果。当双方按照各自的输入进行计算时,只有解密的人才能看到最终的正确答案,但无法知道其他任何信息。这样,双方就能够在保护隐私的同时,安全地完成计算任务。
3. 不经意传输
不经意传输协议是一种保护隐私的通信方式,它让发送者和接收者在交互过程中保持一定的信息隐藏。具体来说,发送者有一堆消息,他想安全地发送给接收者其中某一条,但是发送者并能不知道接收者具体收到了哪一条。同时,接收者也只能看到自己选定的那条消息,而无法获取其他的内容。在这个过程中,发送者不会知道接收者选择了哪条消息,接收者也不会知道除自己选择的那条消息之外的其他消息内容。这种协议确保了两方之间的交互既安全又隐私,非常适合于需要保护敏感信息的场景。
4. 差分隐私
差分隐私提供一种当从统计数据库查询时,最大化数据查询的准确性,同时最大限度减少识别其记录的机会,简单来说,就是保留统计学特征的前提下去除个体特征以保护用户隐私。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!