Oasis Labs запускає проект з BMW Group на початковій стадії для створення наступного покоління технології конфіденційності даних.
Вступ
Дані — це кровоносна сила сучасних компаній. Він надає продукти, керує рішеннями та закриває ділові угоди, але разом із більшою кількістю даних підвищується ризик впливу, випадкових витоків та порушення конфіденційності. Нещодавні нормативні акти, такі як GDPR та CCPA, вжили заходів для захисту конфіденційності особистості, але вони також додають значний новий бар’єр для використання даних, який може вирішити лише нова технологія.
Oasis Labs пропонує конфіденційність та конфіденційні обчислювальні технології, які можуть забезпечити відповідальне використання даних , коли фізичні особи зберігають контроль над своїми даними як самостійні власники інформації, яку вони виробляють, а корпорації використовують ці дані за згодою осіб, які використовують технології, що зберігають особисту конфіденційність та конфіденційність . Рішення використовує потужний новий бренд технології, який називається диференційованою приватністю, щоб забезпечити програмні гарантії конфіденційності для доступу до певного набору даних.
Oasis Labs співпрацює з BMW Group над проектом на початковій стадії для створення інноваційних рішень щодо конфіденційності, які використовують різну конфіденційність та встановлюють новий стандарт відповідального використання даних в автомобільній промисловості.
Випадок різного конфіденційності
Уявіть, у вас є база даних зарплат працівників. Припустимо, що запит, який ви дозволяєте в базі даних, є середньою зарплатою працівників у базі даних. Якщо Боб знає кількість працівників у компанії і виконує цей запит до і після вступу Хлої в організацію, Боб може розрахувати зарплату Хлої, як показано нижче,
- Боб знає число K співробітників в своїй компанії
- Боб запускає запит про середню зарплату і отримує N
- Хлоя приєднується до його компанії
- Боб запускає запит про середню зарплату і отримує M
- Зарплата Хлої = M (k + 1) — Nk
Рисунок 1 : Диференціальна конфіденційність гарантує, що результати запитів підтримують конфіденційність
Рисунок 2 : Диференціальний механізм конфіденційності
Диференціальна конфіденційність — це техніка, яка гарантує, що результати статистичних запитів не можуть бути використані для отримання будь-якої інформації про конкретних осіб або більш широкого доступу до певних рядків у базі даних. Інформація доступна лише у сукупності. Рішення Oasis для диференціальної конфіденційності працює для баз даних SQL і базується на переписуванні запитів. Гарантії, які надаються, та механізм, який використовується, показані на малюнках 1 та 2. Однією з переваг використання підходу до переписування запитів є те, що будь-яка база даних, яка підтримує діалект SQL, що включає математичні функції abs, random, ln та знак може використовуватися як база даних. Механізм робить запити внутрішньо приватними. Після переписування запит може бути надісланий до бази даних, і результати будуть різними приватними.
Надання диференціально приватних рішень для BMW Group
На новому, початковому етапі, Oasis Labs співпрацює з BMW Group для тестування застосунків різного рівня конфіденційності у своїх внутрішніх системах. Це рішення дозволяє як внутрішнім командам, так і зовнішнім партнерам отримувати доступ до даних, залишаючись сумісними та захищаючи конфіденційність користувачів. Усі доступні дані можуть бути збережені в книзі, щоб увімкнути аудит на основі згоди, і всі політики доступу можуть перевірятися платформою Oasis Labs з високою цілісністю перед запуском запитів та поверненням результатів. Інтеграція ґрунтується на вже надійній інфраструктурі конфіденційності та безпеки моделі, приводячи до свого стеку найновіші технології конфіденційності.
До майбутнього відповідального використання даних
Спільні зусилля BMW Group-Oasis Labs прагнуть дослідити новітні технології конфіденційності. Для Oasis Labs ця інтеграція — лише черговий приклад того, як ми працюємо з лідерами галузі, щоб впровадити нові практики та технології конфіденційності даних у наш сучасний світ, і наблизити нас на крок до відповідальної економіки даних.
- **Автор відмовляється від будь якого права на статтю, перекладано з Англійської мови на Українську мову.**
- Оригінал https://medium.com/oasis-protocol-project/driving-innovation-with-differential-privacy-620a31e3d61f
