デジタル時代において、データは共有、分析、そして販売されるべき商品として扱われることが多い。しかし、最も価値のある情報のいくつかは、それが本質的に秘密であるからではなく、その所有者が互いに信頼できないために、ロックされたままとなっている。病院は機密性の高い患者の記録を保持しているかもしれず、銀行は詳細な財務履歴を保有しているかもしれず、政府は国勢調査のデータを保持しているかもしれないが、プライバシーの侵害のリスクを冒すことなく、命を救ったり経済を改善したりするためのパターンを見出すために、これらのデータセットを結合することはどの機関にとっても不可能である。数十年にわたり、このジレンマに対する解決策は、「セキュアなマルチパーティ計算（secure multiparty computation）」と呼ばれる理論的概念であった。そのアイデアは驚くほど単純である。複数の当事者が、互いのプライベートなデータを決して相手に明かすことなく、また外部の観測者にも明かすことなく、協力してプライベートなデータから結果を算出できるというものだ。それは、グループの人々がパズルを解いているようなものである。各人はいくつかのピースを持っているが、個々のピースを見せることなく、最終的な絵だけを明らかにする方法で、ピースを互いに受け渡すことができるのである。

この理論は何年も前から存在していたが、それを実世界の分析のための実用的なツールへと変えることは困難であった。この目的のためにシステムを構築しようとするこれまでの試みは、多くの場合、単一の仕事のために設計された専用ツールのようなものであった。あるシステムは機械学習のための数値計算には優れているかもしれないが、別のシステムはデータベースのレコードのソートのみのために構築されており、また第三のシステムは時系列トレンドの追跡のために作られていた。もし研究者がこれらのタスクを組み合わせたいと考えた場合、例えば、医療画像を分析し、それを患者の記録と照合し、さらに時間の経過に伴う変化を追跡したいと考えたとしても、彼らは壁に突き当たることになるだろう。彼らは、異なる、互換性のないシステムを繋ぎ合わせなければならなかった。そのプロセスは、構築が非常に困難であるだけでなく、異なるシステムが異なる暗号言語を使用しているため、セキュリティを確保することもしばしば不可能であった。この分野は、現代の科学が求める複雑で混合されたワークフローを処理できない、単一目的のエンジンの集合物で行き詰まっていたのである。

ボストン大学の研究チームは、この行き詰まりを打破するために設計された新しいエンジンを構築した。彼らはこれを「CryptDough」と呼び、複数の不信感を持つ当事者が、生のデータを決して公開することなく、プライベートな入力に対して複雑なデータ分析パイプラインを実行することを可能にする統一されたシステムである。特定のタスクや特定のセキュリティ設定に限定されていた従来のものとは異なり、CryptDoughは多種多様なワークロードを同時に処理できるように構築されている。それは、患者の記録のようなリレーショナルデータ、健康モニターのストリームのような時系列データ、そして疾患を特定するための機械学習タスクを、すべて同じセキュアな環境内で処理することができる。このシステムは、当事者が単にデータに興味を持っているだけのシナリオから、プロトコルから積極的に逸脱しようとする可能性があるシナリオまで、異なる信頼レベルに適応できるほど柔軟に設計されている。

研究者たちは、暗号学の複雑な数学とデータ分析のロジックを分離する階層化されたアーキテクチャを作成することで、これを実現した。スタックの最下層では、システムがセキュアな通信と暗号化という重労働を担い、データが隠蔽されていることを保証する。その上には、開発者が暗号学の専門家である必要なく、高レベルの操作を構築できるビルディングブロックを提供する。この設計における主要な革新は、「仮想ベクトル（virtual vectors）」と呼ばれるメカニメントである。従来のプログラミングでは、データの取り扱いには、情報がどのように異なるコンピュータ間で分割され、どのように再構成されるかを管理するための複雑なコードを書く必要がある。CryptDoughは、この負担をユーザーから取り除く。データアナリストは、あたかも単一のコンピュータ上の単一のスレッドで作業しているかのようにコードを書くことができるが、システムはバックグラウンドで並列処理、通信、およびメモリ管理を自動的に処理する。これは、ユーザーが、データが当事者間でどのように安全に共有されているかという複雑な詳細を心配することなく、データセットを分析するためのプログラムを書けることを意味する。

この創造物をテストするために、研究者たちは現実世界の医学研究を模した、現実的で複雑なワークフローを構築した。パイプラインは、X線画像を分析し、肺炎やCOVID-19のような疾患の可能性を予測する機械学習モデルを使用することから始まった。その後、これらの予測は、喘息や治療歴を含む患者の記録のデータベースと結合された。最後に、システムはウェアラブルデバイスからの時系列データを分析し、低酸素血症の兆候を示す可能性のある酸素飽和レベルの特定のパターンを探した。目標は、低酸素レベルの履歴が呼吸器疾患の診断の指標として機能するかどうかを判断することであった。画像処理、データベース結合、および時系列分析を含むこのプロセス全体が、複数の当事者にわたって安全に実行された。結果は、CryptDoughがこの複雑で多段階の分析を、実用的な時間内で完了できることを示した。それは、ローカルネットワーク上では約1分、より広いネットワーク上で最高レベルのセキュリティを使用した場合では1時間を少し超える程度であった。

この新しいシステムの性能は、現在、最先端であるとされるいくつかの既存の特化型ツールと比較して測定された。データベースのレコードのソートや機械学習モデルの実行といった個別のタスクにおいてテストした際、CryptDoughはこれらの特化型システムと同等の性能を示した。多くの場合、実際にはそれらを上回り、特定のワークロードに対して最良の代替案よりも最大2倍速く動作した。この分野で広く使用されている汎用コンパイラツールと比較した場合、CryptD誉Doughは広域ネットワーク設定において最大4.7倍速いという顕著な優位性を示した。セキュアな計算は、当事者間の絶え間ない通信と検証を必要とするため、本質的に標準的な計算よりも遅くなるため、この速度は極めて重要である。研究者たちは、これらの通信方法とデータの並列処理を最適化することで、システムを実用的なレベルで効率的に保つことに成功した。

この研究はまた、既存の特化型システムを組み合わせることの限界についても強調した。研究者たちは、たとえ2つのシステムが同じ種類のセキュリティ脅威を対象としていても、データのエンコーディング方法が根本的に異なることが多いと指摘した。あるシステムから別のシステムへデータを渡そうとすると、これらのエンコーディングを変換する必要があり、そのプロセスは技術的に困難であるだけでなく、セキュリティの脆弱性を生む可能性がある。さらに、複数のシステムをオーケストレーションするには、異なるランタイム環境やプログラミングインターフェースを統合する必要があり、それは、滅多に利用できるものではないレベルのエンジニアリングの努力と暗号学の専門知識を必要とする。CryptDoughは、これらすべての異なる種類の分析が、変換や手動のオーケストレーションを必要とせずに、一つのまとまった環境で発生できるようにすることで、この問題を解決している。

この研究の意義は、単なる速度や利便性を超えている。多様なワークロードと様々な脅威モデルをサポートする統一されたエンジンを提供することで、研究者たちは、以前は手の届かなかった問題に取り組むことを可能にした。このシステムは拡張可能であり、つまり、新しい暗号プロトコルが開発されたり、新しいタイプのデータ分析が登場したりしても、基礎となる部分全体を再構築することなく、システムに追加することができる。このモジュール性は、セキュアな計算の使用を民主化することを意図しており、データアナリストやソフトウェア開発者が、自身が暗号学者である必要なく、セキュアなアプリケーションを構築できるようにするものである。研究者たちはCryptDoughのソースコードを公開し、さらなる開発とテストを呼びかけている。

結局のところ、この論文で提示された研究は、セキュアなマルチパーティ計算を複雑なデータ分析のための実用的な現実へと変えるための重要な一歩を表している。それは、この分野を、孤立した単一目的のツールの集合体から、現実世界のデータサイエンスを特徴づけるような、乱雑で混合されたワークフローを処理できる統一されたエンジンへと移行させるものである。結果は、特化型のシステムの機能を一般化しながら、しばしばその性能を上回るような、安全かつ高性能なシステムを構築することが可能であることを示唆している。この技術はまだ初期段階にあり、非常に多くの当事者にスケールアップするという課題はあるものの、異なるデータ型にわたって安全に実行される複雑なエンドツーエンドのパイプラインのデモンストレーションは、プライバシーとコラボレーションがもはや排他的なものとして見なされる必要のない、実現可能なビジョンを提示している。