自从人类基因组在21世纪初首次测序以来,基因组测序已经取得了长足的进步。快到今天,这个确定一个人的完整遗传密码的过程正变得越来越正常化。
计算无限背景Computing Infinity background
例如,数千名新冠肺炎幸存者可以绘制他们的基因组图,以帮助研究人员了解特定的基因构成会如何影响一个人对冠状病毒的易感性。
虽然窥探某人的DNA往往有助于预防、诊断和治疗许多疾病,但获得的遗传基因也暴露了该个体在基因组中编码的个人信息。
这是关于精密医学未来的难题,因为突然之间,某个人和测序的人分享了60亿对基因的碱基对,无论目标是什么,基因组测绘和测序都会危及人类的基因数据隐私。
有一种方法可以完全掩盖某人的DNA记录,同时也保持数据的有用性:就是通过加密数据,完全同态加密(Fhe)。
也许,在现实中,一种在基因隐私上相当简单的下一代密码学就是如此安全,甚至这种密码未来的量子计算机也无法破解它。
我们今天常用的加密并不能使我们的数据完全安全,每当一个人需要进行任何计算,例如对测序的基因组进行必要的医学基因测试时,这些数据就必须被解密,因此,这些数据很容易被盗窃和泄露。
而对基因隐私加密,这些信息的编码方式使其始终保持加密,无论是在传输时,还是在存储中,以及在任何计算过程中。
在处理数据时,数据会保持加密混乱,以保护隐私,因此即使是处理数据的人也无法知道内容。接收者只需用一个特殊的密钥解密结果,而这个移动不会显示任何关于源的信息。
即使是量子计算机变得强大到足以打破现代密码学,它们也无法打破同态加密,这是因为fhe是建立在格的数学基础上的有重复的,多维的网格状的点集合。
基于网格的加密方案将数据隐藏在这样的集合中,离点有一段距离.对于量子计算机和传统计算机来说,计算加密消息离点阵有多远是极其困难的。
科学家们在20世纪70年代就开始研究同态加密,但直到10年前才逐渐真正了解到这种加密方式。
2009年,计算机科学家克雷格·金特(CraigGentry)开发了第一个FHE计划,作为他博士论文的一部分,接下来的几年里,当他在IBMResearch与合作者合作时,这项技术不断得到改进,变得更快、更精确。
而保护基因组隐私只是FHE的一种可能用途,它也可以用来保存任何敏感数据,无论是医疗记录还是财务信息。
同态加密还解决了共享数据的问题,由于欧洲的GDPR法规、一个国家的具体隐私法,甚至是一家公司自己的隐私法规上,数据共享上是至关重要。
目前,与传统的现代加密相比,FHE的计算需求要大得多,这使得计算过程变得非常长。
但是这项技术在不断进步,而且在不久的将来,对于许多不同的应用来说,速度可能会变得足够快,当这种情况发生时,它应该成为一种加密敏感数据特别是医学和基因组的默认密码选项。
在未来,随着人类对基因的了解,基因也可以成为人类致命的武器,这种加密方式将是对人类基因隐私保护的最好方式之一。
我们转型不易,新知识内容立足于正能量、实用,觉得《量子计算机也无法突破的极限》对你有帮助,请留言收藏!