Google的私人加入和计算可为公司提供数据洞察，同时保护隐私

 
去年有超过7000万条记录被盗用或从配置不良的数据库泄露的世界中，隐私问题比比皆是。毫无疑问，今天上午Google私有加入和计算的开源采购背后有一个动机，这是一种新的安全多方计算(MPC)工具，旨在帮助组织与机密数据集协同工作。
工程总监Sarvar Patel和研究科学家Moti Yung在一篇博客文章中写道：“我们不断投资于新的研究，推动创新，保护个人隐私，同时从数据中获得宝贵的见解。” “许多重要的研究，商业和社会问题都可以通过组合来自独立方的数据集来回答，其中各方拥有关于一组共享标识符的自己的信息，其中一些是共同的。”
私人加入和计算的核心是让组织获得有关对方数据的汇总见解。他们能够加密标识符和相关数据，加入它们，然后对重叠语料库执行计算以绘制有用信息。所有标识符及其相关数据在整个过程中保持完全加密和不可读，并且任何一方都不得强制显示其原始数据，但可以使用计算的输出来回答手头的问题 – 例如，计数，总和和平均值。
Private Join和Compute通过设计用于保护敏感数据的两种加密隐私方法实现了这一点：私有集交集和同态加密。前者允许双方私下加入他们的数据集并发现他们共有的标识符，而同态加密 – 一种在英特尔的HE-Transformer和其他隐私保护实用程序中使用的新兴方法 – 允许直接在加密时执行某些类型的计算数据无需先解密。
“最终结果是唯一以汇总统计数据形式解密和共享的结果，”Patel和Yung指出。 “这种技术组合确保只显示连接集的大小和其相关值的统计数据(例如总和)。个别项目使用随机密钥进行高度加密，并且不以原始形式提供给对方或其他任何人。“
谷歌预计，私人加入和计算将在“广泛的领域”中找到应用程序，这些应用程序需要组织一起工作，而不会泄露有关数据中所代表的个人的任何信息，包括(但不限于)公共政策，多样性和包容性，医疗保健和汽车安全标准。 “通过更广泛地分享技术，我们希望这扩展了安全计算的使用案例，”Patel和Yung补充说。 “这只是可能的开始。”
Private Join和Compute的正式首次亮相紧随TensorFlow Privacy，这是一个谷歌的TensorFlow机器学习框架库，旨在让人们更容易培训具有强大隐私保障的AI模型。另外，它建立在更广泛的努力之上，例如密码检查，一种Chrome扩展，可以点击私有集交集(PSI)，一种加密协议，将登录凭据与超过40亿个已知不安全凭证的加密数据库进行匹配。