कुशल गोपनीयता-रक्षण होमोमोर्फिक तुलना की समझ की ओर

सार्वजनिक क्लाउड वातावरण में सुरक्षा मुद्दे गोपनीयता-रक्षण के बारे में कई चिंताएँ पैदा करते हैं। पारंपरिक सुरक्षा प्रथाएँ संग्रहीत और प्रसारित डेटा को एन्क्रिप्शन द्वारा सफलतापूर्वक सुरक्षित करती हैं, लेकिन डेटा प्रसंस्करण के दौरान नहीं, जहाँ डेटा वैल्यू निकासी के लिए डिक्रिप्शन की आवश्यकता होती है। यह स्वास्थ्यसेवा, दवा, जीनोमिक्स, सरकार, और वित्त जैसे संवेदनशील क्षेत्रों के लिए महत्वपूर्ण जोखिम बिंदु उत्पन्न करता है, जो इन तृतीय-पक्ष सेवाओं का उपयोग करने में हिचकिचाहट पैदा करता है और क्लाउड समाधानों के व्यापक व्यावहारिक स्वीकृति को रोकता है। होमोमोर्फिक एन्क्रिप्शन (HE) संवेदनशील डेटा प्रसंस्करण के लिए सार्वजनिक क्लाउड सेवाओं के दायरे को बढ़ाने का एक तंत्र के रूप में उभरता है। हालाँकि, उच्च-डिमांड समाधान जैसे कृत्रिम बुद्धिमत्ता और मशीन लर्निंग HE जोड़ और गुणा से परे कुशल संचालन की आवश्यकता रखते हैं। इस पेपर में, हम उनके ताकत और कमजोरियों के बीच वर्तमान होमोमोर्फिक तुलना विधियों का विश्लेषण करते हैं और सैद्धांतिक अवधारणाएँ, अत्याधुनिक तकनीकें, चुनौतियाँ, अवसर और खुली समस्याएँ प्रस्तुत करते हैं। हम HE योजनाओं के लिए बहुपद रूपों में साइन और तुलना कार्यों के प्रतिनिधित्व की सीमाओं को सैद्धांतिक रूप से साबित करते हैं। हम दिखाते हैं कि दोनों कार्यों को गालोइस क्षेत्र में बहुपदों के रूप में प्रदर्शित किया जा सकता है और शून्य विभाजकों के साथ अवशेष रिंग में प्रतिनिधित्व नहीं किया जा सकता। हम विभिन्न होमोमोर्फिक तुलना दृष्टिकोणों की दक्षता, सटीकता, और गणना जटिलता की तुलना करते हैं। प्रयोगात्मक परिणाम दर्शाते हैं कि न्यूटन-गुणन विधि बहुपद अनुमानों को उत्पन्न करने और तुलनाओं का मूल्यांकन करने के लिए सबसे तेज़ विधि है, जबकि फ़ूरियर विधि L 1 , L 2 , L ∞ मानकों और R 2 माप के लिए सबसे सटीक है। द्वि-उद्देश्यीय विश्लेषण जटिलता और सटीकता के बीच प्रदर्शन समझौता प्रस्तुत करता है।