Privacy-Preserving User Profiling for Targeted Advertising via Homomorphic Encryption and Secure Multiparty Computation
Questo articolo introduce H2Profile, un framework ibrido per la preservazione della privacy che combina la crittografia omomorfa approssimativa e il calcolo multipartitico sicuro per consentire la pubblicità mirata con alta utilità e latenza ridotta, limitando la riservatezza a un modello a due server semi-onesto.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
L'internet moderno funziona su uno scambio semplice e silenzioso: tu mostri interesse per qualcosa e un inserzionista ti mostra qualcosa di correlato. Per far sì che questo funzioni, le piattaforme raccolgono una scia dei tuoi clic, delle tue visualizzazioni e delle tue ricerche, cucendoli insieme per costruire un profilo di chi sei e di cosa potresti desiderare in seguito. Il problema è che questa scia è spesso dispersa. Un'azienda sa cosa hai comprato, un'altra sa cosa hai letto e una terza sa cosa hai cercato. Per costruire un quadro completo, queste aziende devono solitamente inviare i loro dati a un hub centrale. Ma quell'hub centrale diventa un tesoro di abitudini private, e consegnarli crea il rischio che i tuoi interessi più sensibili possano essere esposti o utilizzati impropriamente.
Per anni, gli informatici hanno cercato un modo per permettere a queste aziende di lavorare insieme senza mai vedere i rispettivi dati grezzi. Hanno sviluppato due strumenti principali per questo compito. Uno strumento, chiamato crittografia omomorfica, agisce come una scatola chiusa che permette di eseguire calcoli sul contenuto senza mai aprire il coperchio. L'altro, noto come calcolo multipartitico sicuro, funziona come un gruppo di persone che sommano i propri numeri passandosi dei biglietti, dove nessuna persona vede mai il totale completo, ma solo il proprio contributo. Sebbene entrambi gli strumenti siano potenti, l'uso di uno solo di essi per questo compito specifico si è rivelato difficile. Il metodo della "scatola chiusa" è lento e pesante quando la matematica si complica, mentre il metodo del "passaggio di biglietti" può essere inefficiente quando si tratta di enormi quantità di dati. La domanda rimaneva: era possibile combinare questi due metodi per creare un sistema che fosse sia veloce che privato?
Un ricercatore di nome Wenzeng Cui ha proposto un nuovo approccio chiamato H2Profile per rispondere a quella domanda. Il sistema è progettato per costruire un profilo utente partendo da dati dispersi senza mai rivelare i dettagli grezzi ai server che svolgono il lavoro. Invece di forzare l'intero processo attraverso un unico metodo difficile, H2Profile divide il lavoro a metà. Utilizza il metodo della "scatola chiusa" per sommare rapidamente i numeri iniziali provenienti da diverse fonti, creando una bozza approssimativa degli interessi dell'utente. Poi, una sola volta, converte quella bozza in un formato che il metodo del "passaggio di biglietti" possa gestire. Questa seconda fase prende il sopravvento per eseguire i compiti più complessi, come decidere quali interessi sono abbastanza forti da essere mantenuti, normalizzare i punteggi e selezionare i dieci elementi migliori da mostrare. Mantenendo il lavoro pesante nella fase veloce della "scatola chiusa" e spostando solo le decisioni necessarie e complesse alla seconda fase, il sistema evita i colli di bottiglia che solitamente rallentano tutto.
I ricercatori hanno testato questa idea utilizzando tre diversi set di dati reali, simulando uno scenario in cui due aziende cercavano di costruire un profilo insieme. Hanno confrontato il loro nuovo sistema con i migliori metodi esistenti che utilizzano un solo strumento. I risultati hanno mostrato che H2Profile è riuscito a mantenere il 98,5% dell'accuratezza di un sistema standard non privato. In altre parole, gli annunci che aiutava a selezionare erano quasi altrettanto rilevanti come se i dati fossero stati combinati apertamente. Ancora più importante, il sistema era significativamente più veloce e richiedeva meno trasferimento di dati rispetto alle alternative. In una configurazione di rete standard, ha impiegato circa 0,84 secondi per elaborare un lotto di 64 profili utente e ha spostato solo 34,7 megabyte di dati. Si è trattato di una riduzione del 68% del tempo rispetto all'uso del solo metodo della "scatola chiusa" e di una riduzione del 53% rispetto all'uso del solo metodo del "passaggio di biglietti".
Lo studio ha anche esaminato attentamente quali informazioni potessero ancora trapelare. Anche quando la matematica è sicura, l'elenco finale dei principali interessi potrebbe teoricamente rivelare schemi sull'utente. I ricercatori hanno scoperto che il loro sistema ha fatto trapelare leggermente meno informazioni rispetto agli altri metodi, con un punteggio di 0,604 in un test che misura quanto un attaccante possa indovinare i tratti nascosti di un utente. Ciò suggerisce che, controllando attentamente ciò che viene rilasciato alla fine, il sistema protegge la privacy meglio di una semplice crittografia dei dati sperando nel meglio. Tuttavia, l'autore è chiaro riguardo ai limiti del proprio lavoro. Il sistema si basa su un'ipotesi specifica: che i due computer che svolgono il lavoro non complottino tra loro. Se quei due server dovessero colludere, la privacy si romperebbe. Il sistema inoltre non risolve il problema di come associare l'identità di un utente tra diverse aziende senza rivelare chi sia, né protegge contro un attore malizioso che cerchi di avvelenare i dati fin dall'inizio.
In definitiva, H2Profile non pretende di essere uno scudo magico che renda sicura tutta la raccolta dati. È invece una soluzione ingegneristica pratica per un problema specifico e difficile. Dimostra che, dividendo un compito complesso tra due diversi tipi di calcolo sicuro, è possibile costruire un sistema che sia sia efficiente per l'uso nel mondo reale, sia privato per proteggere gli interessi degli utenti. Il lavoro dimostra che non dobbiamo scegliere tra velocità e sicurezza; con il giusto design, possiamo avere entrambe le cose, a patto di accettare i confini del modello di fiducia e le regole specifiche del gioco.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.