首页 > 传媒 > 关键词  > 正文

隐私计算编年史

2023-07-27 13:46 · 稿源: 站长之家用户

“一个民族,千百万人里面才出一个天才;人世间数百万个闲暇的小时流逝过去,方始出现一个真正的历史性时刻,人类星光璀璨的时辰。”

——斯蒂芬·茨威格《人类群星闪耀时》

隐私计算在国内其实是一个比较新的概念。根据《隐私计算理论与技术》一书的描述,“隐私计算”的定义源起于 2015 年 12 月国内学术界的一场临时讨论,此后这一概念风行产业界。

从字面上对照,国外有两个概念与隐私计算相关,一是隐私保护计算(Privacy Preserving Computation, PPC),二是隐私增强技术(Privacy Enhancing Technologies, PETs)。

隐私计算是一系列技术体系的合集,交叉融合了密码学、统计学、人工智能、计算机硬件等众多学科,它从本质上满足:在不暴露原始数据的前提下,实现数据及其价值可管、可控和可计量的融合、共享、流通、计算。

谈隐私计算必然绕不开密码学,隐私计算的发展历程是以现代密码学为主线,协同信息论、统计学、数论、计算机体系结构等学科融合发展的演进过程,大致可分为萌芽期、探索期、成长期、应用期四个阶段。

事实上,任何一项影响深远的创新技术都并非一夜之间诞生的,而是那些走在时代前沿的探索者和先行者们一个又一个创造力的结晶,电力如此,互联网如此,隐私计算也如此。

接下来,一起来看看在隐私计算这段不算太长的发展史上,都有哪些闪耀着智慧之光的“关键时刻”。

一、萌芽期( 1949 年- 1982 年)

20 世纪 40 年代,现代信息学之父克劳德·香农在备忘录《密码学的一个数学理论》的基础上,发表一篇重要论文《保密系统的通信理论》(1),被认为是开启了现代密码学时代。

1976 年,Whitfield Diffie和Martin Hellman共同发表学术论文《New Direction in Cryptography》(2),创建了公钥加密体制,是现代密码学的里程碑。

1977 年,Ron Rivest、Adi Shamir和Leonard Adleman发明非对称式加密算法RSA,突破了长期以来的瓶颈,达到了新的阶段(3)。

1978 年,Ron Rivest、Leonard Adleman和Michael L. Dertouzos提出同态加密问题(4),并在当年提出了满足同态属性的算法,但是并未有完全解决其安全性问题。同态加密问题的提出将加密技术的研究从静态引向动态,是理论上的巨大革新,也开创了隐私计算的先河。

1979 年,秘密分享(Secret Sharing, SS)最早由Shamir(5)和Blakley(6)提出。

1981 年,不经意传输(Oblivious Transfer, OT)由Rabin首 次提出(7)。

1982 年,姚期智教授在论文《Protocols for Secure Computations》中提出了“百万富翁问题”,开创性地引入了安全多方计算概念(8)。

Tips:这个阶段,出现了许多划时代的里程碑,不仅仅是香农开启了现代密码学时代,更包括同态加密、多方安全计算等主流技术先后被提出,为日后隐私计算的高速发展与应用奠定了坚实的基础。

二、探索期( 1983 年- 1999 年)

1985 年,S. Goldwasser、S. Micali和C. Rackoff首 次提出零知识证明(Zero-Knowledge Proof, ZKP)概念(9)。其目的是解决如下问题:证明者如何向验证者证明自己拥有某一特定的数据,但证明过程不能透露任何有关该数据的信息。

1986 年,姚期智教授提出混淆电路(Garbled Circuit, GC)技术,实现了第 一个多方(两方)安全计算方案(10)。

1987 年,Goldreich等人提出了基于电路的秘密共享方案GMW,并将其应用于多方安全计算(11)。

1996 年,Cheung首 次提出在分布式数据库中,实现关联规则(Association Rules)挖掘,奠定联邦学习的一些基础概念(12)。

1999 年,Paillier在欧密会(EUROCRYPT)上首 次提出支持加法同态的公钥密码系统(13)。

Tips:这个阶段,混淆电路、基于秘密分享的MPC、半同态加密等协议和算法陆续出现,此外,零知识证明被提出,联邦学习也开始露出雏形,在即将登场的下一个阶段,联邦学习将闪烁出熠熠光辉。

三、成长期( 2000 年- 2018 年)

2006 年,C. Dwork提出差分隐私(Differential Privacy, DP)(14),通过引入噪声对数据进行扰动,并要求输出结果对数据集中的任意一条记录的修改不敏感,使攻击者无法根据背景知识推断出敏感信息。

2009 年,OMTP工作组率先提出一种双系统解决方案(15),即在同一个智能终端下,除多媒体操作系统外再提供一个隔离的安全操作系统,这一运行在隔离硬件之上的隔离安全操作系统用来专门处理敏感信息以保证信息安全,该方案是可信执行环境(Trusted Execution Environment, TEE)的前身。

2009 年,Craig Gentry提出了首 个全同态加密方案(Fully Homomorphic Encryption, FHE)(16),同时支持密文下的加法和乘法运算,标志着全同态计算时代的开始,并逐渐发展出多种不同的全同态加密方案。其后Paillier,Gentry,王爽等人牵头成立国际同态加密标准委员会,标志着同态加密在全球进入高速发展阶段。

2013 年,王爽教授团队在SCI学术期刊Journal of Biomedical Informatics发表《Expectation Propagation Logistic Regression (EXPLORER): Distributed privacy-preserving online model learning》论文 (17),提出了数据“可用不可见”问题。首 次解决医疗在线安全联邦学习问题,该框架服务于多个国家 级医疗健康网络,也是联邦学习系统构架层面的突破。

2015 年Intel推出商用TEE方案“英特尔软件防护扩展”(Intel Software Guard Extensions, Intel SGX)(18)。

2016 年,Google AI团队提出联邦学习算法框架应用于移动互联网手机终端的隐私保护(19)。

2019 年,杨强教授团队提出联邦迁移学习,结合联邦学习和迁移学习并发布FATE开源系统(20)。

Tips:这个阶段是隐私计算技术的快速成长期,可谓星光灿烂。在技术创新上,推出首 个全同态加密方案,首 个医疗在线安全联邦学习底层框架,还包括TEE方案框架的提出与落地。

四、应用期( 2019 年至今)

2019 年至今,在数据要素市场建设和数据价值发挥的时代背景下,产业需求快速增长,隐私计算走出学院派与实验室,广泛与行业应用场景相结合,赋能数据价值的安全、合规流转,各类隐私计算厂商也如雨后春笋一般涌现出来,激发了隐私计算技术可用性的快速提升。

当前,隐私计算仍处于产业快速导入期,即将迈入“隐私计算+”时代。未来,隐私计算将如同移动互联网、水、电网一般,成为数字时代的底层基础设施。

参考资料:

李凤华, 李晖, 牛犇. 隐私计算理论与技术

中国移动通信联合会, 中科院信工所, 中国信通院.2021 隐私机密计算蓝皮书

交通银行. 隐私计算金融应用蓝皮书

中国信通院. 联邦学习场景应用研究报告( 2022 年)

北京金融科技产业联盟. 隐私计算技术金融应用研究报告

中国移动. 隐私计算应用白皮书(2021)

微众银行, 毕马威.2021 隐私计算行业研究报告:深潜数据蓝海

艾瑞咨询.2022 年中国隐私计算行业研究报告

参考文献:

1. Shannon CE. Communication theory of secrecy systems. The Bell System Technical Journal. 1949 Oct;28(4):656–715.

2. Diffie W, Hellman M. New directions in cryptography. IEEE Trans Inf Theory. 1976 Nov;22(6):644–54.

3. Calderbank. The rsa cryptosystem: history, algorithm, primes. Chicago: math uchicago edu [Internet]. Available from: https://math.uchicago.edu/~may/VIGRE/VIGRE2007/REUPapers/INCOMING/REU%20paper.pdf

4. Rivest RL, Adleman L, Dertouzos ML. On data banks and privacy homomorphisms. Foundations of secure [Internet]. 1978; Available from: https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.500.3989&rep=rep1&type=pdf

5. Shamir A. How to share a secret. Commun ACM. 1979 Nov;22(11):612–3.

6. Blakley. Safeguarding cryptographic keys. In: Managing Requirements Knowledge, International Workshop on. 1979. p. 313.

7. Rabin MO. How To Exchange Secrets with Oblivious Transfer. Cryptology ePrint Archive [Internet]. 2005 [cited 2022 May 28]; Available from: https://eprint.iacr.org/2005/187

8. Yao AC. Protocols for secure computations. In: 23rd Annual Symposium on Foundations of Computer Science (sfcs 1982). 1982. p. 160–4.

9. Goldwasser S, Micali S, Rackoff C. The knowledge complexity of interactive proof-systems [Internet]. Proceedings of the seventeenth annual ACM symposium on Theory of computing - STOC ’85. 1985. Available from: https://dx.doi.org/10.1145/22145.22178

10. Yao ACC. How to generate and exchange secrets. In: 27th Annual Symposium on Foundations of Computer Science (sfcs 1986). 1986. p. 162–7.

11. Goldreich O, Micali S, Wigderson A. How to Play ANY Mental Game. In: Proceedings of the Nineteenth Annual ACM Symposium on Theory of Computing. New York, NY, USA: ACM; 1987. p. 218–29. (STOC ’87).

12. Cheung DW, Han J, Ng VT, Fu AW, Fu Y. A fast distributed algorithm for mining association rules. In: Fourth International Conference on Parallel and Distributed Information Systems. 1996. p. 31–42.

13. Paillier P. Public-Key Cryptosystem Based on Discrete Logarithm Residues. EUROCRYPT 1999 [Internet]. 1999 [cited 2022 May 28]; Available from: https://ci.nii.ac.jp/naid/10021850608/

14. Dwork C. Differential Privacy. In: Automata, Languages and Programming. Springer Berlin Heidelberg; 2006. p. 1–12.

15. Hardware Working Group. ADVANCED TRUSTED ENVIRONMENT: OMTP TR1 [Internet]. OMTP Limited; 2009. Available from: https://www.gsma.com/newsroom/wp-content/uploads/2012/03/omtpadvancedtrustedenvironmentomtptr1v11.pdf

16. Gentry C. A fully homomorphic encryption scheme [Internet]. 2009. Available from: https://search.proquest.com/openview/93369e65682e50979432340f1fdae44e/1?pq-origsite=gscholar&cbl=18750

17. Wang S, Jiang X, Wu Y, Cui L, Cheng S, Ohno-Machado L. EXpectation Propagation LOgistic REgRession (EXPLORER): distributed privacy-preserving online model learning. J Biomed Inform. 2013 Jun;46(3):480–96.

18. Intel. Intel Architecture Instruction Set Extensions Programming Reference [Internet]. Intel; 2015. Available from: https://www.intel.com/content/www/us/en/developer/overview.html#page=36

19. Konečný J, Brendan McMahan H, Yu FX, Richtárik P, Suresh AT, Bacon D. Federated Learning: Strategies for Improving Communication Efficiency [Internet]. arXiv [cs.LG]. 2016. Available from: https://arxiv.org/abs/1610.05492

20. Gao D, Liu Y, Huang A, Ju C, Yu H, Yang Q. Privacy-preserving Heterogeneous Federated Transfer Learning. In: 2019 IEEE International Conference on Big Data (Big Data). 2019. p. 2552–9.

推广

特别声明:以上内容(如有图片或视频亦包括在内)均为站长传媒平台用户上传并发布,本平台仅提供信息存储服务,对本页面内容所引致的错误、不确或遗漏,概不负任何法律责任,相关信息仅供参考。站长之家将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。任何单位或个人认为本页面内容可能涉嫌侵犯其知识产权或存在不实内容时,可及时向站长之家提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明(点击查看反馈联系地址)。本网站在收到上述法律文件后,将会依法依规核实信息,沟通删除相关内容或断开相关链接。

  • 相关推荐
  • 大家在看
  • 深度解析丨一文读懂隐私计算多种技术路线

    数据安全共享和价值转化既是政策导向,也是大数据和数字经济发展的关键。隐私计算技术,已成为数据流通安全的“最优技术解”。相信在未来,不同技术路线的融合以及与人工智能、区块链等新兴技术的结合,能够推动隐私计算大规模落地,实现海量数据要素的价值释放。

  • 百融云创隐私计算平台Indra 为数据安全保驾护航

    在数据驱动的时代,数据安全已然成为一道无法回避的挑战。尤其在金融领域,数据安全问题关系到企业利润、消费者信任甚至整个金融体系的稳定。透过他们展示的成果,让我们有理由相信,数据要素不仅可以释放巨大的经济价值可以在充分保护的基础上为更多行业和领域提供服务。

  • 西工大李学龙团队探索人工智能伦理计算 突破伦理的定量计算瓶颈

    人工智能的普及已涵盖医疗、教育等多个领域,引发了一系列技术伦理问题的紧迫讨论。伦理问题的抽象性导致了规范的困难,这是人工智能伦理治理的主要挑战之一。这一方法有望成为突破人工智能伦理治理困境的关键,为确保智能系统更好地服务人类提供了重要工具。

  • GCC“绿色计算产业生态”特装展区闪耀2023世界计算大会

    9月15日至16日,由湖南省人民政府、工业和信息化部共同主办的“2023世界计算大会”在湖南长沙盛大召开。绿色计算产业联盟携十余家会员单位特设“绿色计算产业生态展区”,全面展示了联盟在产业研究、标准建设、测试认证、人才培养、国际合作、产业推广等六大方面的“端到端”产业发展情况与重点成果,勾勒绿色计算产业发展全貌。杉岩展示了杉岩分布式存储产品关键技术与重点成果,以及基于安全可信赖的信创生态。

  • 大模型引发“暴力计算”,巨头加速推进液冷“降温”

    一进入部署了液冷服务器的数据中心,不仅没有嘈杂的风扇声,甚至在不开空调的夏日也完全没有闷热感。在大模型引发“暴力计算”的热潮下,数据中心的上下游,正在加紧推进液冷“降温”。后续随着行业发展一定会有新的方案,考虑到芯片功耗越来越高,风冷能力有限,同时“碳达峰”“碳中和”的要求,液冷作为确定趋势,当前先做起来比较重要。

  • 比亚迪为保护用户隐私有多拼?官方揭秘

    数字安全之于新能源汽车的重要性不言而喻。当汽车成为车联网系统中的关键信息节点,数据安全变得日益重要。10月14日消息,比亚迪官方揭秘了关于用户安全的措施,可以说在软硬件层面都拉满了。最直观的,国内配置有车内摄像头的比亚迪车型均配有物理滑盖,以打消用户对隐私泄露的忧虑。而车内摄像头隐私保护只是比亚迪打造纵深信息安全防御体系当中的一小部分。这套信息安全防御体系包含了车端到云端多个维度,可以全方面保障用户的信息安全及驾驶安全,让用户对自己的数据做到可知、可感、可控。首先,在产品设计和开发层面,比亚迪的手机

  • 谷歌AI助手Bard“生造”用户邮件 隐私安全遭诟病

    近日,谷歌推出集成了大型语言模型的AI助手“巴德”,并将其应用于包括Gmail、Google地图在内的多款产品,希望能给用户提供更人性化的服务。但有报道指出,巴德在测试中频频出现乌龙。有分析认为,在争夺AI主导地位的过程中,谷歌可能会过于匆忙推出未成熟的产品,从带来隐患。

  • 让大模型触手可及,言犀 AI 开发计算平台上线

    大模型爆火的一年中,生成式AI行业最重要的发展瓶颈出现在算力侧。9月20日,红杉美国在文章《生成式AI的第二幕》提到,许多生成式人工智能公司在过去一年中很快发现,自身的发展瓶颈不是客户需求是GPU紧张。随着新型数字基础设施的普及,大模型在千行百业的落地将变得更加快速,成本效率与创新的不可能三角将拥有更开阔的想象空间。

  • 英国因青少年隐私问题对 Snap AI 聊天机器人展开调查

    Snap公司因其生成式人工智能聊天机器人可能对Snapchat用户,尤其是13至17岁的青少年,构成的潜在隐私风险在英国面临调查。图片来自Snap英国数据保护监管机构信息专员办公室上周发布了初步强制执行通知,指称Snap的聊天机器人MyAI可能会对Snapchat用户,特别是13至17岁的用户,构成风险。必应的生成式AI图像已被极端分子讨论板4chan用来制作种族主义图像。

  • ToDesk自定义隐私屏功能上线!个性化定制安全

    在ToDesk远程控制软件最近的更新中,为更好满足广大用户的使用需求,新增自定义隐私屏功能,从此实现不撞隐私壁纸的梦想。在跨系统、跨设备操作时已可设置专属的屏幕壁纸,该功能无疑是为远程办公提供了更灵活便捷的隐私保护。随着ToDesk自定义隐私屏功能的上线,远程办公学习的体验又上了一层台阶,产品贴心的服务有效帮助我们在更多空间场景下均能更自如的根据喜好来做事从令达到的效果更加有趣合宜。

今日大家都在搜的词: