Проблемні питання застосування гомоморфного шифрування

Abstract

Current directions of development of information and communication technologies and control tools 114 ПРОБЛЕМНІ ПИТАННЯ ЗАСТОСУВАННЯ ГОМОМОРФНОГО ШИФРУВАННЯ Гущин Б.-Д.І.Харківський національний університет радіоелектроніки, Харків, Україна Гомоморфне шифрування (Homomorphic Encryption, HE) -технологія, що дозволяє виконувати обчислення над зашифрованими даними без їх розшифрування [1-3].Застосування гомоморфного шифрування відкриває великі можливості для обробки зашифрованих даних без їх розшифрування в багатьох сферах, де критично важливо зберігати конфіденційність інформації.. Однак, попри потенціал, існує низка проблемних питань, які стримують широке впровадження цієї технології в практичні системи безпеки та обробки даних.Метою доповіді є аналіз проблемних питань при практичному застосуванні гомоморфного шифрування.В роботі розглянуті ключові сучасні сфери застосування HE [1-3].1. Хмарні обчислення (Cloud Computing), обробка зашифрованих даних на стороні постачальника хмарних послуг без розкриття вмісту.2. В медицині та біоінформатиці захищене зберігання та аналіз медичних записів пацієнтів, генетичної інформації (DНК).Використання HE у дослідженнях із багатьма організаціями без обміну розшифрованими даними.3. В фінансових сервісах конфіденційна аналітика для банків, страхових компаній, бірж.Обчислення кредитного рейтингу, оцінка ризиків без доступу до відкритих даних клієнта. Електронне голосування (E-voting).Забезпечення анонімності та перевірності результатів голосування, так як дані не розкриваються, але можуть бути агреговані без розшифрування.5. В Інтернеті речей (IoT) для обробки конфіденційних даних, зібраних з розумних пристроїв, безпосередньо на сервері або у хмарі.Використання в промисловому IoT (IIoT), медичних пристроях, Smart City.6. Захист персональних даних у Big Data, аналітика зашифрованих великих масивів даних з соціальних мереж, телекомів, сервісів для обчислення трендів, поведінкових моделей, не розкриваючи особистості.7. Машинне навчання над зашифрованими даними (Privacy-Preserving ML).Навчання або інференс моделей на даних, які ніколи не розшифровуються.Використання в конфіденційній медичній діагностиці, рекомендаційних системах, фінансах.Працює разом з Federated Learning, Secure Multi-Party Computation (SMPC).8. В юридичних сервісах та державному управлінні для безпечної взаємодії між державними структурами при обробці реєстрів, митних даних, податкових баз, де важлива повна конфіденційність.9. В системах кібербезпеки та цифрової ідентичності.Застосовується в антифрод-системах, аналізі поведінки користувачів без втрати їхньої конфіденційності.Підтримка Zero Knowledge Proofs та протоколів автентифікації.