Quatro Casos de Uso para a Tecnologia de Criptografia Homomórfica Total (FHE)

A Criptografia Homomórfica Total (FHE) é uma tecnologia criptográfica que está sendo apontada para grandes coisas.

Seus defensores acreditam que a FHE é verdadeiramente revolucionária devido à sua capacidade única de permitir o processamento de dados criptografados sem decifrar seu conteúdo.

Em círculos criptográficos, isso é o equivalente a ter seu bolo e comê-lo: o melhor dos dois mundos, combinando privacidade de dados com processamento e armazenamento seguros.

Dado o valor de tal tecnologia, que foi comparada a “ter uma luva mágica que permite adicionar ou remover itens de um baú do tesouro sem nunca desbloqueá-lo”, não é surpresa que suas aplicações no mundo real sejam diversas.

Dentro de indústrias como blockchain, telecomunicações e finanças, a FHE está sendo utilizada para criar poderosos aplicativos criptografados de todos os tipos.

Aqui estão apenas quatro casos de uso para a Criptografia Homomórfica Total.

Tabela de Conteúdos

• Computação em Nuvem
• Votação Digital
• Aprendizado de Máquina Aprimorado
• Análise Financeira

Computação em Nuvem

Empresas e consumidores em todo o mundo agora dependem da nuvem para hospedar seus dados e realizar computações.

Nossas histórias mais pessoais, imagens e preciosas criações digitais estão armazenadas na nuvem ao lado de dados sensíveis de empresas.

Todos esses dados estão criptografados, mas isso não impediu que vastas quantidades deles fossem acessadas por atacantes.

Um dos problemas com a tecnologia de criptografia existente é que os dados devem ser decifrados antes de poderem ser processados e seu conteúdo acessado, introduzindo um vetor de ataque potencial que um adversário sofisticado pode explorar.

A FHE elimina esse ponto fraco, permitindo que dados sensíveis não apenas sejam armazenados em forma criptografada, mas também processados nesse estado.

Como resultado, o armazenamento em nuvem se torna muito mais seguro e o tipo de conjuntos de dados que podem ser armazenados dentro dele se expande enormemente.

Por exemplo, um prestador de serviços de saúde pode armazenar registros de pacientes criptografados na nuvem e executar consultas sobre os dados sem revelar qualquer informação do paciente ao provedor de serviços em nuvem.

Votação Digital

Uma das razões pelas quais a maioria dos países não permite a votação digital para eleições nacionais é devido a temores de manipulação. A votação presencial pode ser ineficiente, mas é difícil de falsificar.

A FHE tem o potencial de transformar a votação digital, usando uma estrutura de blockchain para registrar quem votou sem revelar em quem votou.

Este é um dos casos de uso sendo explorados pela Fhenix, a primeira blockchain de camada 2 que permite confidencialidade, alimentada por criptografia homomórfica total.

A implementação de FHE criada pela Fhenix tem uma série de aplicações que incluem o suporte à votação privada para DAOs, tornando possível que os organizadores avaliem a participação total dos eleitores sem divulgar a escolha de voto de cada participante.

Essa mesma capacidade poderia ser utilizada para votação no mundo real, implementada on-chain, mas usada para determinar eventos importantes, incluindo escolhas governamentais e presidenciais.

Em uma eleição, os eleitores podem enviar seus votos criptografados a um servidor central, que pode contar os votos sem decifrá-los, garantindo o anonimato do eleitor e a integridade da eleição.

Aprendizado de Máquina Aprimorado

A indústria de IA depende da execução de grandes conjuntos de dados de aprendizado de máquina (ML) para treinar modelos.

O problema é que as empresas muitas vezes estão restritas ao acesso aos dados que gostariam de usar para fins de ML devido a regulamentos de compartilhamento de dados que restringem seu uso.

A FHE permite que conjuntos de dados criptografados sejam computados, garantindo que os modelos de ML possam receber o treinamento necessário sem que as informações subjacentes sejam expostas.

A capacidade de combinar múltiplos conjuntos de dados para permitir o treinamento em larga escala de ML é a chave para fazer avanços reais em inteligência artificial.

Usar a FHE para treinamento de ML é um dos principais casos de uso para FHE defendidos pela IBM, e à medida que a corrida armamentista de IA esquenta, espere ver a FHE mencionada rotineiramente na mesma frase que ML.

Análise Financeira

Talvez um dos casos de uso mais convincentes para a FHE seja o processamento de dados financeiros.

As propriedades únicas dessa tecnologia criptográfica permitem que dados financeiros sensíveis sejam analisados em escala sem expor dados sensíveis no processo.

Por exemplo, os bancos podem calcular pontuações de crédito e avaliações de risco com base em dados financeiros criptografados de clientes sem revelar os dados a entidades não autorizadas.

O setor financeiro também pode aproveitar a FHE para permitir que analistas trabalhem em grandes conjuntos de dados para conduzir modelagens complexas de coisas como projeções econômicas, previsões macro, desenvolvimento de políticas fiscais e análise de ameaças financeiras, combinando múltiplos conjuntos de dados sem aumentar o risco de uma grande queda devido a vazamento de dados, uma vez que os dados permanecem criptografados o tempo todo.

Desde a segurança de aplicativos de mensagens até dados de sensores IoT, a FHE tem uma série de aplicações.

A capacidade de conduzir análises de alto valor e processamento de dados, sem decifrar dados, é uma verdadeira mudança de jogo, enquanto casos de uso como votação digital e modelagem de ML fornecem mais provas de que o futuro da criptografia está inexoravelmente ligado ao futuro da FHE.