🧬 biology

bioETH-Beacon: A Confidential On-Chain Genomic Beacon with Encrypted Counts, Filters, and Bounded Noise over a Fully Homomorphic EVM

bioETH-Beacon is een smart-contract prototype dat vertrouwelijke, on-chain genomische beacon-queries mogelijk maakt met versleutelde tellingen en begrensde ruis over een fully homomorphic Ethereum Virtual Machine (fhEVM), waardoor de noodzaak voor een vertrouwde compute-evaluator wordt geëlimineerd terwijl privacyrisico's zoals membership inference en blootstelling van plaintext-queries worden beperkt.

Oorspronkelijke auteurs: Christos Galanopoulos, Kimon Antonios Provatas, Ilias Georgakopoulos-Soares

Gepubliceerd 2026-06-19

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Christos Galanopoulos, Kimon Antonios Provatas, Ilias Georgakopoulos-Soares

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer

Stel je een enorme, wereldwijde bibliotheek van genetische informatie voor. In deze bibliotheek willen onderzoekers eenvoudige vragen stellen zoals: "Is er ooit iemand in deze groep mensen gevonden met deze specifieke genetische typefout?"

Momenteel, als je deze vraag stelt, ziet de bibliothecaris (het ziekenhuis dat de gegevens beheert) precies wat je vraagt, en krijg je een duidelijk antwoord zoals: "Ja, 5 mensen." Dit creëert twee problemen:

De bibliothecaris weet te veel: Het ziekenhuis kan jouw onderzoeksinteresses zien.
Het "Stalker"-probleem: Als een onderzoeker herhaaldelijk naar zeer zeldzame typefouten vraagt, kan hij wiskundig bepalen of een specif으로 persoon (zoals een beroemdheid of een buurman) in de groep zit, zelfs zonder de naam te zien.

bioETH-Beacon is een nieuwe, experimentele "slimme bibliotheek" gebouwd op een speciaal soort blockchain die gebruikmaakt van Fully Homomorphic Encryption (FHE). Denk aan FHE als een magische, onbreekbare glazen doos. Je kunt data in de doos stoppen, er berekeningen op uitvoeren en een resultaat uit de doos halen, zonder de doos ooit te openen of de inhoud te zien.

Hieronder legt het artikel dit systeem uit met behulp van eenvoudige analogieën:

1. De Magische Glazen Doos (Het Systeem)

In plaats van een menselijke bibliothecaris gebruikt de bibliotheek een Smart Contract (een computerprogramma dat automatisch draait).

De Ziekenhuizen (Data Owners) plaatsen hun genetische data in de glazen doos. Ze versleutelen de data eerst, zodat zelfs het ziekenhuis de cijfers niet meer kan zien zodra ze binnen zijn.
De Onderzoekers (Requesters) plaatsen hun vragen in de doos. Zij versleutelen ook de vraag, zodat de doos niet weet waar hij naar op zoek is.
De Magie: De doos voert de zoekopdracht en de telling uit terwijl alles nog steeds vergrendeld is binnenin. De doos opent nooit de doos om de data te lezen.
Het Resultaat: De doos spuugt een versleuteld antwoord uit. Alleen de specifieke onderzoeker die de vraag heeft gesteld, heeft de sleutel om dat specifieke antwoord te ontgrendelen. Het ziekenhuis, de blockchain en zelfs de computer die de doos runt, zien nooit de ruwe data of het uiteindelijke aantal.

2. De "Anti-Stalker" Ruis (Privacybescherming)

Het artikel behandelt het "Stalker-probleem" (Membership Inference). Als een onderzoeker vraagt: "Is er een zeldzame typefout?" en "0" krijgt, weet hij dat die persoon er niet is. Als hij "1" krijgt, weet hij dat die persoon er wel is.

Om dit te stoppen, voegt bioETH-Beacon Bounded Noise (begrensde ruis) toe aan sommige antwoorden.

De Analogie: Stel je voor dat de bibliotheek licht mistig is. Als het echte antwoord "5 mensen" is, voegt het systeem willekeurig een beetje "statische ruis" toe en vertelt het je bijvoorbeeld "6" of "4".
De Kanttekening: Het artikel is zeer eerlijk: dit is geen perfect schild. Als een stalker 20 keer dezelfde vraag stelt, kan hij uiteindelijk het "echte" antwoord vinden door te zoeken naar het laagste getal. Daarom heeft het systeem ook Rate Limits (zoals een uitsmijter) om te voorkomen dat iemand te vaak dezelfde vraag stelt.
Belangrijke Opmerking: Deze "mistige" functie wordt alleen gebruikt voor bepaalde soorten vragen (genetische markers en complexe zoekopdrachten met meerdere filters). Voor eenvoudigere vragen (zoals filters voor leeftijd of geslacht) geeft het systeem het exacte aantal, maar dan alleen aan vertrouwde, goedgekeurde onderzoekers.

3. De Drie Snelheidsbanen (Tiers)

Het artikel beschrijft een "3x4 raster" van verschillende manieren om de zoekopdracht uit te voeren, waarbij een afweging wordt gemaakt tussen Privacy en Snelheid/Kosten.

Baan 1 (T3 - De Gouden Standaard): De zoekopdracht bekijkt elk stukje data één voor één. Alles is verborgen. Dit is het meest privé, maar duurt het langst (en kost de meeste "gas", wat de vergoeding is voor het gebruiken van de blockchain).
Baan 2 (T4 - De Slankere Doos): De zoekopdracht bekijkt nog steeds alles, maar gebruikt een kleinere, lichtere container voor de getallen. Dit is iets sneller op een echt netwerk, maar werkt op dezelfde manier.
Baan 3 (T5 - De Vooraf Gegroepeerde Planken): Dit is de snelle baan. Voordat de zoekopdracht begint, organiseert de bibliotheek de data in 20 vooraf gedefinieerde "planken" (slots). De onderzoeker vraagt: "Hoeveel staan er op Plank 3?" Het systeem controleert alleen die 20 planken, niet de hele bibliotheek.
- De Afweging: Om deze snelheid te krijgen, moet het systeem onthullen welke planken bestaan (dat wil zeggen: welke genetische markers worden bijgehouden), maar het houdt de aantallen verborgen. Dit is geweldig voor dichte data, maar minder privé wat betreft wat er precies wordt bijgehouden.

4. De "Multi-Filter" Super-Query

Er is een speciale "G1" contract die fungeert als een super-zoekopdracht. In plaats van drie aparte vragen te stellen ("Is zij een vrouw?", "Is zij ouder dan 40?", "Heeft zij deze ziekte?"), kun je één complexe vraag stellen: "Zoek vrouwen boven de 40 met deze ziekte."

Waarom dit belangrijk is: Als je deze drie vragen apart zou stellen, zou iemand de antwoorden kunnen combineren om meer te leren dan de bedoeling is. De G1-contract voert alle drie de controles tegelijkertijd uit binnen de glazen doos en geeft je één enkel, versleuteld antwoord.

5. Wat het artikel feitelijk zegt (De Realiteitscheck)

De auteurs zijn heel duidelijk over wat dit wel en niet is:

Het is een Prototype: Dit is een onderzoeksproject, geen afgewerkt medisch product dat morgen klaar is voor gebruik in ziekenhuizen.
Het Gebruikt Synthetische Data: Ze hebben dit getest met nepdata gegenereerd uit publieke genetische catalogi, niet met echte patiëntendossiers.
Het Heeft Limieten:
- De "mistige ruis" is geen perfecte privacygarantie; het maakt spioneren alleen moeilijker.
- Als de database enorm groot wordt (miljoenen markers), kan het systeem in de war raken door "collisions" (waarbij twee verschillende typefouten hetzelfde lijken), waardoor ze grotere getalcontainers moeten gebruiken.
- Het systeem vertrouwt nog steeds op een "Key Management Service" (een derde partij) om de sleutels uit te reiken waarmee de antwoorden ontgrendeld kunnen worden. Als die derde partij wordt gehackt, is de privacy in gevaar.

Samenvatting

bioETH-Beacon is een slim experiment dat bewijst dat je een wereldwijde genetische zoekopdracht op een publieke blockchain kunt uitvoeren zonder dat iemand (zelfs het ziekenhuis of de computer zelf) de werkelijke data of de specifieke vragen ziet. Het gebruikt een "glazen doos" om dingen te tellen, voegt een beetje "statische ruis" toe om stalkers in de war te brengen, en biedt verschillende snelheidsinstellingen afhankelijk van hoeveel privacy je nodig hebt. Het is een veelbelovende stap richting privaat medisch onderzoek, maar het bevindt zich nog steeds in de testfase.

Technische Samenvatting: bioETH-Beacon

Probleemstelling

Het GA4GH (Global Alliance for Genomics and Health) Beacon-protocol stelt onderzoekers in staat om te controleren of specifieke genomische varianten aanwezig zijn binnen een cohort en, optioneel, geaggregeerde aantallen te ontvangen. Echter, standaard implementaties lijden onder twee kritieke privacygebreken:

Zichtbaarheid voor de Host: De host-instelling ziet alle queries in plaintext, inclusief de identiteit van de onderzoeker, de specifiek gezochte variant en de gerapporteerde aantallen.
Membership Inference (Lidmaatschapsinferentie): Onderzoekers ontvangen plaintext-aantallen, waardoor tegenstanders herhaalde queries op zeldzame varianten kunnen uitvoeren. Door middel van likelihood-ratio-testen maakt dit membership-inference-aanvallen mogelijk die de aanwezigheid van een specifiek individu in het cohort kunnen bevestigen.

Hoewel organisatorische maatregelen (vertrouwen, toegangsbeheer, rate limiting) deze risico's gedeeltelijk kunnen mitigeren, lost het protocol zelf deze hiaten niet op.

Methodologie

bioETH-Beacon is een onderzoeksprototype dat de GA4GH "aggregate count"-query direct implementeert op een Fully Homomorphic Encryption (FHE) Ethereum Virtual Machine (fhEVM), specifiek gebruikmakend van de Zama TFHE-coprocessor. Het systeem opereert volledig binnen het versleutelde domein, waardoor noch de host, noch de blockchain-observator toegang heeft tot ruwe genomische data of de inhoud van de queries.

Kernarchitectuur

Het systeem is gebouwd op een twee-laagse contractarchitectuur:

Publieke Laag (BeaconRegistry): Beheert metadata van datasets, goedkeuringen van contributors, rate-limit beleid en integriteitsverplichtingen. Deze bevat geen versleutelde status (state).
Versleutelde Laag (ConfidentialBeacon familie): Slaat versleutelde marker-count arrays op en voert de scan-kernel uit. Het bevat de volledige genomische status in ciphertext.

Executietiers en Query-families

Het ontwerp is georganiseerd als een 3×4 tier-by-query-family raster om de afweging tussen privacy en computationele kosten te parametriseren:

Executietiers:
- T3 (Referentie): Volledige versleutelde scan. Marker ID's, filterwaarden en aantallen zijn allemaal versleuteld. De kosten schalen lineair met het aantal geüploade vermeldingen ( $\Theta(N)$ ).
- T4 (Breedte-geoptimaliseerd): Verkleint de accumulator van euint64 naar euint32 om de dieptekosten van de Homomorphic Computation Unit (HCU) te verlagen, mits de aantallen binnen 32 bits passen.
- T5 (Pre-geaggregeerd): Gebruikt een vaste set van $M$ publieke marker-slots. Contributors uploaden aantallen naar specifieke slots. Queries scannen $M$ slots in plaats van $N$ vermeldingen ( $\Theta(M)$ ), wat de query-gas aanzienlijk vermindert maar onthult welke markers aanwezig zijn (hoewel de aantallen versleuteld blijven).
Query-families:
- Genotype: Basisquery voor de aanwezigheid van markers.
- Geslacht, Leeftijd, Fenotype: Single-axis categorische filters (bijv. 5 bakjes voor geslacht, 7 voor leeftijd).
- G1 (Multi-filter): Een enkel contract dat een vier-weg conjunctieve predicaat evalueert (marker $\land$ geslacht $\land$ leeftijd $\land$ fenotype) in één versleutelde query, wat de onthulling van intermediaire single-axis aantallen voorkomt.

Kernmechanismen

Oblivious Scan Kernel: Het contract voert een FHE.eq (gelijkheidscontrole), FHE.select en FHE.add keten uit over elke vermelding zonder vroege exits, wat zorgt voor constant-time executie ongeacht de query-resultaten.
Chunking: Vanwege sequentiële dieptelimieten in de FHE-coprocessor (5M eenheden) worden scans opgebroken in chunks. Het paper identificeert een veilige empirische chunk-grootte van 29 vermeldingen voor euint64 accumulatoren (analytische bovengrens 37, aanbevolen implementatie 23).
Begrensde Ruisinjectie: Om membership inference te mitigeren, voegt het systeem begrensde uniforme ruis ( $\nu \sim \mathcal{U}\{0, \dots, B-1\}$ ) toe aan het resultaat op ondersteunde paden (Genotype T3/T4/T5 en G1). Cruciaal is dat deze ruis binnen de FHE-coprocessor wordt gesampled, wat voorkomt dat de coördinator kiest voor ruisinjectie van nul. Dit is een anti-probing functie, geen formele differential privacy garantie.
Toegangscontrole: Decryptie van het resultaat wordt gedelegeerd aan een off-chain Key Management Service (KMS). Alleen de requirant die in de FHE.allow call van het contract wordt genoemd, kan het plaintext-aggregaat ophalen.

Belangrijkste Bijdragen

Eerste fhEVM Beacon Implementatie: Een smart-contract prototype dat de Beacon aggregate-count primitief volledig op versleutelde data uitvoert, waarbij marker ID's, aantallen en filterwaarden verborgen blijven (behalve in T5 waar de aanwezigheid van markers publiek is).
3×4 Design Space: Een gestructureerd raster van 13 geïmplementeerde contracten (12 in het raster + 1 G1 multi-filter) die variërende niveaus van privacy en kosten bieden, van volledige encryptie (T3) tot pre-geaggregeerde lookup (T5).
On-chain Ruisinjectie: Een mechanisme voor het toevoegen van begrensde ruis binnen de FHE-coprocessor, wat de manipulatie van de ruiswaarde door de coördinator voorkomt.
Security Invariants: Definitie en verificatie van 11 expliciete security invariants over de contract suite, die de privacy van de status, query-executiepatronen en toegangscontrole dekken.
Empirische Evaluatie: Benchmarks op synthetische panels afgeleid van de PGS Catalog (variërend van 16 tot 100.000 markers) waarbij gas, transactieaantallen en wall time worden gemeten.

Resultaten

Schaalbaarheid: Uploadkosten schalen lineair met het aantal niet-nul vermeldingen ( $N$ ). Querykosten voor T3/T4 schalen lineair met $N$ , terwijl T5 vlak blijft ten opzichte van $N$ (afhankelijk van de vaste $M$ ).
Gas Efficiëntie: In een vaste- $M=20$ $M = 20$ benchmark met $N=500$ $N = 500$ vermeldingen:
- T5 verminderde de query-gas met 94% (van ~24.9M naar ~1.45M) en de upload-gas met 53% vergeleken met T3.
- T4 vertoonde verwaarloosbare EVM-gas besparingen in lokale tests, maar biedt een 24% reductie in HCU-kosten op een live netwerk.
Crossover Punt: Voor het P1K panel wordt T5 kosteneffectiever dan T3 voor de totale lifecycle gas (upload + query) wanneer $N$ ongeveer 246–484 vermeldingen overschrijdt, afhankelijk van de query-naar-upload ratio.
Correctheid: End-to-end verificatie bevestigde dat de gedecrypteerde aantallen overeenkwamen met de verwachte waarden over synthetische configuraties.
Ruis Overhead: De begrensde ruisinjectie voegt ~215k EVM gas en ~162k HCU toe per query, wat minder dan 1% van de totale query-kosten vertegenwoordigt bij $N=500$ .

Betekenis en Claims

Het paper positioneert bioETH-Beacon als een onderzoeksprototype, niet als een productie-klare klinische implementatie. De primaire betekenis ligt in het demonstreren dat:

Vertrouwelijke genomische querying haalbaar is op een publieke blockchain met behulp van FHE zonder een aangewezen vertrouwde compute evaluator.
Het "double-disclosure" probleem van traditionele Beacons kan worden aangepakt door queries en resultaten versleuteld te houden, waarbij decryptie beperkt is tot de geautoriseerde requirant via een off-chain KMS.
Een gelaagde aanpak (tiered approach) consortia in staat stelt om privacy-eisen af te wegen tegen computationele kosten (bijv. het gebruik van T5 voor dichte, high-query workloads waar de aanwezigheid van markers niet gevoelig is).

De auteurs stellen expliciet dat het systeem de vertrouwensveronderstelling van de off-chain KMS niet elimineert en geen formele differential privacy biedt. Het dient als een fundamentele bouwsteen voor toekomstige vertrouwelijke genomics data sharing waarbij noch de host, noch de requirant volledig vertrouwd kan worden.