الحوسبة التشفيرية
تمكين الحوسبة على البيانات المحمية بطريقة مشفرة
ما المقصود بالحوسبة التشفيرية في AWS؟
تستخدم أدوات تشفير AWS وخدماتها مجموعة كبيرة من تقنيات التشفير والتخزين التي يمكن أن تساعدك في حماية بياناتك غير النشطة وبياناتك المتنقلة. عادةً، يجب فك تشفير البيانات قبل استخدامها في حوسبة ما. الحوسبة التشفيرية تقنية تعمل مباشرة على البيانات المحمية بطريقة مشفرة بحيث لا يتم كشف البيانات الحساسة أبدًا.
تغطي الحوسبة التشفيرية مجموعة كبيرة من التقنيات المحافِظة على الخصوصية، بما في ذلك الحوسبة الآمنة متعددة الأطراف والتشفير التماثلي والتعلم المُوحّد المحافِظ على الخصوصية والتشفير القابل للبحث. تُطوِّر AWS أدوات الحوسبة التشفيرية وخدماتها لمساعدتك في تحقيق أهداف الأمان والامتثال التي تسعى إليها، مع السماح لك بالاستفادة من المرونة وقابلية التوسع والأداء وسهولة الاستخدام التي توفرها AWS. على سبيل المثال، يمكنك رؤية الاستخدام التطبيقي للحوسبة التشفيرية في AWS Clean Rooms.
أدوات مفتوحة المصدر
الحوسبة التشفيرية لـ Clean Rooms (C3R)
تتيح لك هذه المكتبة التعاون باستخدام بياناتك في AWS Clean Rooms باستخدام تقنية تسمح لأطراف متعددة بالاشتراك في حساب وظيفة ما على مدخلاتهم مع الحفاظ على خصوصية هذه المدخلات. إذا كانت لديك سياسات لمعالجة البيانات تتطلب تشفير البيانات الحساسة، يمكنك تشفير بياناتك مسبقًا باستخدام مفتاح تشفير مشترك خاص بالتعاون، حيث يتم تشفير البيانات حتى عند تشغيل الاستعلامات.
استدلال XGBoost الذي يحافظ على الخصوصية
هذا المستودع يتضمن تنفيذ نموذج أولي لـ XGBoost الذي يحافظ على الخصوصية. من خلال اعتماد العديد من أنظمة التشفير للحفاظ على الخصائص لتشفير نموذج XGBoost، يمكن لنموذج الحفاظ على الخصوصية توقُّع استعلام مشفر.
روابط C++ لمكتبة التشفير التماثلي Lattigo
توفر هذه المكتبة روابط C++ جزئية لمكتبة التشفير التماثلي Lattigo v2.1.1 المكتوبة بلغة البرمجة Go. لا يحاول هذا النموذج توفير رابط لجميع واجهات برمجة تطبيقات Lattigo العامة، ولكن من السهل جدًا إضافة روابط جديدة ويُرحب بطلبات الشراء.
مجموعة الأدوات الخاصة بأداة التنفيذ التماثلية
توفر مجموعة الأدوات الخاصة بأداة التنفيذ التماثلية (HIT) أدواتٍ لتبسيط عملية تصميم الدوائر التماثلية الخاصة بمخطط التشفير التماثلي لـ CKKS.
تعرف على المزيد حول أمان AWS مفتوح المصدر.
موارد مميزة
الحوسبة على البيانات الخاصة | 1 يونيو/حزيران 2023
تحمي كل من الحسابات الآمنة متعددة الأطراف والخصوصية التفاضلية خصوصية البيانات المستخدمة في الحساب، ولكن لكل منها مزايا في سياقات مختلفة.
مشاركة البيانات المشفرة والاستعلام عنها في AWS Clean Rooms | 16 مايو/أيار 2023
تعرف على كيفية استخدام الحوسبة المشفرة مع AWS Clean Rooms للعمل مع المتعاونين لإجراء تحليلات مشتركة على البيانات المجمعة دون مشاركة بياناتك «الأولية» مع بعضهم البعض - أو مع AWS.
تحديات الخصوصية في تعزيز التدرج الشديد | 22 يونيو/حزيران 2021
اقرأ عن كيفية استخدام تعلم الآلة الذي يحافظ على الخصوصية لمواجهة تحديات الخصوصية في تدريب XGBoost والتنبؤ.
بناء نماذج تعلم الآلة باستخدام البيانات المشفرة | 05 يناير/كانون الثاني 2021
شاهد كيف يعمل نهج جديد للتشفير المتجانس على تسريع تدريب نماذج تعلم الآلة المشفرة ستة أضعاف.
يمكن للحوسبة المشفرة تسريع اعتماد الحوسبة السحابية | 11 فبراير/شباط 2020
تعرف على اثنين من تقنيات التشفير التي يتم استخدامها لمعالجة مخاوف خصوصية الحوسبة السحابية وتسريع اعتماد سحابة المؤسسة.
تعرف على حماية البيانات المستخدمة مع تقنيات التشفير الناشئة. تصف محادثة AWS Tech هذه التقنيات المختلفة في حوسبة التشفير وكيفية تطبيقها في AWS Clean Rooms.
اطلع على نظرة عامة حول مجالات البحث التطبيقي في AWS، بما في ذلك خوارزميات تشفير ما بعد الكم، والحوسبة الآمنة متعددة الأطراف، والابتكارات في التشفير المتماثل قيد الاستخدام، وتوزيع المفتاح الكمي.
في هذا الحديث، تقدم الباحثة جوان فيجبنوم في Amazon نموذج AWS لتعلم الآلة الذي يحافظ على الخصوصية، وتصف نموذجين أوليين طورتهما AWS.
الأبحاث والرؤى
يساهم باحثو AWS بانتظام بأوراق بحثية للمساعدة في تطوير مجال الحوسبة التشفيرية.
دائرة تماثلية منخفضة العمق لتدريب نموذج التراجع اللوجستي
تصف هذه الورقة البحثية طريقة لتعلُّم الآلة باستخدام التشفير التماثلي، وهو ما يوضح كيفية بناء دائرة للتراجع اللوجستي تستطيع أداء ضِعف عدد تكرارات التدريب في الوقت نفسه الذي تستغرقه النتائج المنشورة مسبقًا.
التجميع الآمن الخاص بالعميل للتعلُّم الموحَد المحافِظ على الخصوصية
يقدم هذا العمل بروتوكولات جديدة للتعلم الموحد الذي يحافظ على الخصوصية والذي يتضمن مجموعة من العملاء وخادم سحابي يقوم فيه الخادم بحساب البيانات المشفرة لتجميع نماذج العملاء المدربة محليًا في نموذج عالمي مشفر، والذي لا يمكن فك تشفيره إلا من قبل العملاء.
معالجة استعلامات Top-k على قواعد البيانات المشفرة مع ضمانات أمان قوية
تقترح هذه الورقة البحثية أول بنية فعالة وآمنة على نحو قابل للإثبات لمعالجة استعلامات top-k حيث تحقق هذه البنية الأمان ضد هجمات الاستعلام المختار (CQA) بشكل تكيفي. قام باحثو AWS بتطوير بنية بيانات مشفرة تسمى EHL ووصفوا العديد من البروتوكولات الفرعية الآمنة للإجابة على استفسارات top-k.
استدلال XGBoost الذي يحافظ على الخصوصية
يتمثل أحد أهداف "تعلُّم الآلة المحافِظ على الخصوصية" المركزية في تمكين المستخدمين من إرسال استعلامات مشفرة إلى خدمة تعلم آلة عن بُعد، وتلقي نتائج مشفرة، وفك تشفيرها محليًا. تحدد هذه الورقة خوارزمية تنبؤ XGBoost التي تحافظ على الخصوصية والتي تم تنفيذها وتقييمها تجريبيًا على Amazon SageMaker.
المستخرِجات الحوسبية الغامضة
في هذه الورقة البحثية، استقصى باحثو AWS إمكانية إنشاء مستخرِجات غامضة من عدمه. أولاً، أوضحوا أن الرسومات الآمنة تخضع إلى الحدود العليا من نظرية التشفير حتى عندما يتم تخفيف متطلبات الأمان النظري للمعلومات. بعد ذلك، عرضوا نتيجة إيجابية مفادها أنه يمكن تجنب النتيجة السلبية من خلال إنشاء مستخرِج حوسبي غامض وتحليله مباشرةً من خلال تعديل بنية إزاحة التشفير لاستخدام تعليمات برمجية خطية عشوائية.