Nell'era digitale, i dati sono spesso trattati come una merce da condividere, analizzare e vendere. Eppure, alcune delle informazioni più preziose rimangono rinchiuse, non perché siano segrete per natura, ma perché i loro proprietari non possono fidarsi l'uno dell'altro. Un ospedale potrebbe detenere registri sensibili dei pazienti, una banca potrebbe possedere dettagliate cronologie finanziarie e un governo potrebbe conservare dati del censimento, ma nessuno di essi può combinare questi set di dati per trovare schemi che potrebbero salvare vite o migliorare le economie senza rischiare una violazione della privacy. Per decenni, la soluzione a questo dilemma è stata un concetto teorico chiamato calcolo multipartito sicuro (secure multiparty computation). L'idea è sorprendentemente semplice: più parti possono lavorare insieme per calcolare un risultato dai propri dati privati senza mai rivelare i dati stessi l'una all'altra o a un osservatore esterno. È come un gruppo di persone che risolve un puzzle dove ogni persona possiede alcuni pezzi, ma possono scambiarsi i pezzi solo in un modo che riveli l'immagine finale senza mai mostrare i singoli pezzi.

Sebbene la teoria esista da anni, trasformarla in uno strumento pratico per l'analisi del mondo reale è stata una lotta. I tentativi precedenti di costruire sistemi per questo scopo erano spesso simili a strumenti specializzati progettati per un singolo compito. Un sistema poteva essere eccellente nel processare numeri per il machine learning, mentre un altro era costruito esclusivamente per ordinare record di database, e un terzo per tracciare tendenze temporali. Se un ricercatore avesse voluto combinare questi compiti — ad esempio, per analizzare immagini mediche, incrociarle con le cartelle cliniche dei pazienti e poi monitorarne i cambiamenti nel tempo — si sarebbe scontrato con un muro. Avrebbe dovuto unire sistemi diversi e incompatibili, un processo che non era solo incredibilmente difficile da costruire, ma spesso impossibile da mettere in sicurezza, poiché i diversi sistemi parlavano linguaggi crittografici differenti. Il campo era bloccato con una collezione di motori a scopo singolo che non potevano gestire i complessi flussi di lavoro misti richiesti dalla scienza moderna.

Un team di ricercatori della Boston University ha ora costruito un nuovo motore progettato per rompere questo stallo. Lo chiamano CryptDough, un sistema unificato che consente a più parti diffidenti di eseguire pipeline complesse di analisi dei dati sui propri input privati senza mai esporre i dati grezzi. A differenza dei suoi predecessori, che erano limitati a un singolo tipo di compito o a una specifica configurazione di sicurezza, CryptDough è costruito per gestire una vasta gamma di carichi di lavoro simultaneamente. Può elaborare dati relazionali, come tabelle di cartelle cliniche, dati di serie temporali, come flussi di letture di monitor sanitari, e compiti di machine learning, come l'identificazione di malattie da immagini mediche, il tutto all'interno dello stesso ambiente sicuro. Il sistema è progettato per essere abbastanza flessibile da adattarsi a diversi livelli di fiducia, da scenari in cui le parti sono semplicemente curiose riguardo ai dati a situazioni in cui potrebbero attivamente deviare dal protocollo.

I ricercatori hanno ottenuto questo creando un'architettura a strati che separa la complessa matematica della crittografia dalla logica dell'analisi dei dati. Alla base dello stack, il sistema gestisce il lavoro pesante della comunicazione sicura e della crittografia, garantendo che i dati rimangano nascosti. Sopra di esso, offre un insieme di blocchi costruttivi che permettono agli sviluppatori di costruire operazioni di alto livello senza dover essere esperti di crittografia. Una chiave innovativa in questo design è un meccanismo che gli autori chiamano "vettori virtuali". Nella programmazione tradizionale, la gestione dei dati richiede spesso la scrittura di codice complesso per gestire il modo in cui le informazioni vengono suddivise tra diversi computer e come vengono riassemblate. CryptDough rimuove questo onere dall'utente. Permette a un analista di dati di scrivere codice come se stesse lavorando su un singolo computer con un singolo thread, mentre il sistema gestisce automaticamente l'elaborazione parallela, la comunicazione e la gestione della memoria in background. Ciò significa che un utente può scrivere un programma per analizzare un dataset senza preoccuparsi degli intricati dettagli di come i dati vengano condivisi in modo sicuro tra le parti.

Per testare la loro creazione, i ricercatori hanno costruito un workflow realistico e complesso che imita uno studio medico del mondo reale. La pipeline iniziava utilizzando un modello di machine learning per analizzare immagini radiografiche e prevedere la probabilità di condizioni come polmonite o COVID-19. Queste previsioni venivano poi unite a un database di cartelle cliniche contenenti informazioni su asma e storia dei trattamenti. Infine, il sistema analizzava i dati di serie temporali da dispositivi indossabili, cercando schemi specifici nei livelli di saturazione dell'ossigeno che potrebbero indicare incidenti di ipossiemia. L'obiettivo era determinare se una storia di bassi livelli di ossigeno potesse servire come indicatore per la diagnosi di malattie respiratorie. L'intero processo, che coinvolge l'elaborazione di immagini, l'unione di database e l'analisi di serie temporali, è stato eseguito in modo sicuro tra più parti. I risultati hanno mostrato che CryptDough poteva completare questa analisi complessa e multi-stadio in un tempo pratico, che variava da circa un minuto su una rete locale a poco più di un'ora su una rete più ampia quando si utilizzavano i massimi livelli di sicurezza.

Le prestazioni di questo nuovo sistema sono state misurate rispetto a diversi strumenti specializzati esistenti che sono attualmente considerati lo stato dell'arte. Quando testato su singoli compiti, come l'ordinamento di record di database o l'esecuzione di modelli di machine learning, CryptDough si è dimostrato competitivo con questi sistemi specializzati. In molti casi, ha persino superato le loro prestazioni, correndo fino a due volte più velocemente delle migliori alternative per carichi di lavoro specifici. Quando confrontato con uno strumento compilatore general-purpose ampiamente utilizzato nel settore, CryptDło dimostrava un vantaggio significativo, correndo fino a 4,7 volte più velocemente in ambienti di rete geografica (wide-area network). Questa velocità è cruciale perché il calcolo sicuro è intrinsecamente più lento del calcolo standard a causa della necessità di costante comunicazione e verifica tra le parti. Ottimizzando il modo in cui queste comunicazioni avvengono e come i dati vengono elaborati in parallelo, i ricercatori sono riusciti a mantenere il sistema efficiente per un uso pratico.

Lo studio ha anche evidenziato i limiti del tentativo di combinare i sistemi specializzati esistenti. I ricercatori hanno notato che anche se due sistemi mirano allo stesso tipo di minaccia alla sicurezza, spesso utilizzano modi fondamentalmente diversi di codificare i dati. Tentare di passare i dati da un sistema all'altro richiederebbe la conversione di queste codifiche, un processo che non è solo tecnicamente difficile, ma potrebbe introdurre vulnerabilità di sicurezza. Inoltre, orchestrare più sistemi richiederebbe l'integrazione di diversi ambienti di runtime e interfacce di programmazione, un compito che richiede un livello di sforzo ingegneristico e competenza crittografica che è raramente disponibile. CryptDough risolve questo problema fornendo un ambiente unico e coeso dove tutti questi diversi tipi di analisi possono avvenire insieme senza la necessità di conversione o orchestrazione manuale.

Le implicazioni di questo lavoro vanno oltre la semplice velocità o la comodità. Fornendo un motore unificato che supporta carichi di lavoro misti e vari modelli di minaccia, i ricercatori hanno reso possibile affrontare problemi che prima erano fuori portata. Il sistema è progettato per essere estensibile, il che significa che man mano che nuovi protocolli crittografici vengono sviluppati o emergono nuovi tipi di analisi dei dati, questi possono essere aggiunti al sistema senza ricostruire l'intera fondazione. Questa modularità è destinata a democratizzare l'uso del calcolo sicuro, consentendo ad analisti di dati e sviluppatori di software di costruire applicazioni sicure senza dover essere essi stessi crittografi. I ricercatori hanno reso il codice sorgente di CryptDough disponibile al pubblico, invitando a ulteriori sviluppi e test.

In definitiva, il lavoro presentato in questo articolo rappresenta un passo avanti significativo nel rendere il calcolo multipartito sicuro una realtà pratica per l'analisi di dati complessi. Sposta il campo da una collezione di strumenti isolati e a scopo singolo verso un motore unificato capace di gestire i flussi di lavoro disordinati e misti che caratterizzano la scienza dei dati nel mondo reale. I risultati suggeriscono che è possibile costruire un sistema che sia sia sicuro che performante, capace di generalizzare la funzionalità dei sistemi specializzati e spesso di superarne le prestazioni. Mentre la tecnologia è ancora nelle sue fasi iniziali e affronta sfide nella scalabilità verso un numero molto elevato di parti, la dimostrazione di una pipeline completa ed end-to-end eseguita in modo sicuro attraverso diversi tipi di dati offre una visione convincente di ciò che è possibile quando privacy e collaborazione non sono più viste come mutuamente esclusive.