In het digitale tijdperk wordt data vaak behandeld als een handelswaar die gedeeld, geanalyseerd en verkocht kan worden. Toch blijft een deel van de meest waardevolle informatie op slot zitten, niet omdat het van nature geheim is, maar omdat de eigenaren elkaar er niet mee durven te vertrouwen. Een ziekenhuis kan gevoelige patiëntendossiers bevatten, een bank kan gedetailleerde financiële geschiedenissen bezitten en een overheid kan volksverwetingsgegevens bewaren, maar geen van hen kan deze datasets combineren om patronen te vinden die levens kunnen redden of economieën kunnen verbeteren zonder het risico op een inbreuk op de privacy te lopen. Decennialang was de oplossing voor dit dilemma een theoretisch concept genaamd secure multiparty computation (veilige meerpartijenberekening). Het idee is bedrieglijk eenvoudig: meerdere partijen kunnen samenwerken om een resultaat te berekenen uit hun privédata zonder de data zelf aan elkaar of aan een externe waarnemer te onthullen. Het is als een groep mensen die een puzzel oplost waarbij elke persoon een paar stukjes vasthoudt, maar ze kunnen de stukjes alleen aan elkaar doorgeven op een manier die de uiteindelijke afbeelding onthult zonder ooit de individuele stukjes te laten zien.

Hoewel de theorie al jaren bestaat, is het omzetten ervan in een praktisch hulpmiddel voor realistische analyses een strijd geweest. Eerdere pogingen om systemen voor dit doel te bouwen, waren vaak als gespecialiseerde gereedschappen ontworpen voor één specifieke taak. Het ene systeem was uitstekend in het verwerken van getallen voor machine learning, terwijl een ander uitsluitend gebouwd was voor het sorteren van database-records, en een derde voor het volgen van tijdgebonden trends. Als een onderzoeker deze taken wilde combineren — bijvoorbeeld om medische beelden te analyseren, deze te kruisen met patiëntendossiers en vervolgens veranderingen over de tijd te volgen — liep hij tegen een muur aan. Men moest verschillende, incompatibele systemen aan elkaar naaien, een proces dat niet alleen ongelooflijk moeilijk te bouwen was, maar ook vaak onmogelijk te beveiligen, omdat de verschillende systemen verschillende cryptografische talen spraken. Het veld zat vast met een verzameling systemen met één enkel doel die de complexe, gemengde workflows niet aan konden die vereist zijn door de moderne wetenschap.

Een team van onderzoekers aan de Boston University heeft nu een nieuwe engine gebouwd die is ontworpen om deze patstelling te doorbreken. Ze noemen het CryptDough, een verenigd systeem dat meerdere wantrouwende partijen in staat stelt om complexe datapijplijnen uit te voeren op hun privé-inputs zonder de ruwe data ooit bloot te leggen. In tegen afstelling tot hun voorgangers, die beperkt waren tot één type taak of een specifieke beveiligingsopstelling, is CryptDough gebouwd om een breed scala aan workloads gelijktijdig te verwerken. Het kan relationele data verwerken, zoals tabellen met patiëntendossiers, tijdreeksdata, zoals stromen van gezondheidsmonitor-metingen, en machine learning-taken, zoals het identificeren van ziekten uit medische beelden, allemaal binnen dezelfde beveemde omgeving. Het systeem is flexibel genoeg ontworpen om zich aan te passen aan verschillende niveaus van vertrouwen, van scenario's waarin partijen slechts nieuwsgierig zijn naar de data tot situaties waarin zij actief kunnen proberen af te wijken van het protocol.

De onderzoekers bereikten dit door een gelaagde architectuur te creëren die de complexe wiskunde van cryptografie scheidt van de logica van data-analyse. Onderaan de stapel handelt het systeem de zware taken af van veilige communicatie en encryptie, wat ervoor zorgt dat de data verborgen blijft. Daarboven biedt het een reeks bouwstenen waarmee ontwikkelaars hoogwaardige operaties kunnen construeren zonder expert te hoeven zijn in cryptografie. Een belangrijke innovatie in dit ontwerp is een mechanisme dat de auteurs "virtuele vectoren" noemen. In traditionele programmering vereist het afhandelen van data vaak het schrijven van complexe code om te beheren hoe informatie over verschillende computers wordt verdeeld en hoe deze weer wordt samengevoegd. CryptDough neemt deze last weg bij de gebruiker. Het stelt een data-analist in staat om code te schrijven alsof hij werkt op één enkele computer met één enkele thread, terwijl het systeem automatisch de parallelle verwerking, communicatie en geheugenbeheer afhandelt in de achtergrond. Dit betekent dat een gebruiker een programma kan schrijven om een dataset te analyseren zonder zich zorgen te maken over de ingewikkelde details van hoe de data veilig tussen partijen wordt gedeeld.

Om hun creatie te testen, hebben de onderzoekers een realistische, complexe workflow geconstrueerd die een echte medische studie nabootst. De pijplijn begon met het gebruik van een machine learning-model om röntgenfoto's te analyseren en de waarschijnlijkheid van aandoeningen zoals pneumonie of COVID-19 te voorspellen. Deze voorspellingen werden vervolgens gekoppeld aan een database met patiëntendossiers die informatie bevatten over astma en behandelgeschiedenis. Ten slotte analyseerde het systeem tijdreeksdata van draagbare apparaten, waarbij gezocht werd naar specifieke patronen in zuurstofverzadigingsniveaus die een incident van hypoxemie zouden kunnen aangeven. Het doel was om te bepalen of een geschiedenis van lage zuurstofniveaus kan dienen als een indicator voor het diagnosticeren van luchtwegaandoeningen. Dit hele proces, dat beeldverwerking, database-joins en tijdreeksanalyse omvat, werd veilig uitgevoerd over meerdere partijen. De resultaten toonden aan dat CryptDough deze complexe, meerfasige analyse in een praktische hoeveelheid tijd kon voltooien, variërend van ongeveer één minuut op een lokaal netwerk tot iets meer dan een uur op een breder netwerk bij het gebruik van de hoogste beveiligingsniveaus.

De prestaties van dit nieuwe systeem werden gemeten tegenover verschillende bestaande, gespecialiseerde tools die momenteel als state-of-the-art worden beschouwd. Wanneer getest op individuele taken, zoals het sorteren van database-records of het draaien van machine learning-modellen, bleek CryptDough concurrerend te zijn met deze gespecialiseerde systemen. In veel gevallen presteerde het zelfs beter, waarbij het tot twee keer zo snel was als de beste alternatieven voor specifieke workloads. Wanneer het werd vergeleken met een general-purpose compiler tool die breed wordt gebruikt in het veld, toonde CryptDough een aanzienlijk voordeel, waarbij het tot 4,7 keer sneller was in wide-area netwerkinstellingen. Deze snelheid is cruciaal omdat veilige berekening inherent trager is dan standaard berekening vanwege de noodzaak van constante communicatie en verificatie tussen partijen. Door te optimaliseren hoe deze communicaties plaatsvinden en hoe de data parallel wordt verwerkt, slaagden de onderzoekers erin het systeem efficiënt genoeg te houden voor praktisch gebruik.

De studie benadrukte ook de beperkingen van het combineren van bestaande gespecialiseerde systemen. De onderzoekers merkten op dat zelfs als twee systemen zich op hetzelfde type beveiligingsdreiging richten, ze vaak fundamenteel verschillende manieren gebruiken om data te coderen. Het doorgeven van data van het ene systeem naar het andere zou het converteren van deze coderingen vereisen, een proces dat niet alleen technisch moeilijk is, maar ook beveiligingskwetsbaarheden kan introduceren. Bovendien zou het orkestreren van meerdere systemen het integreren van verschillende runtime-omgevingen en programmeerinterfaces vereisen, een taak die een niveau van engineering-inspanning en cryptografische expertise vraagt die zelden beschikbaar is. CryptDough lost dit op door een enkele, samenhangende omgeving te bieden waar al deze verschillende soorten analyse samen kunnen plaatsvinden zonder de noodzaak van conversie of handmatige orkestratie.

De implicaties van dit werk reiken verder dan alleen snelheid of gemak. Door een verenigde engine te bieden die gemengde workloads en verschillende dreigingsmodellen ondersteunt, hebben de onderzoekers het mogelijk gemaakt om problemen aan te pakken die voorheen buiten bereik lagen. Het systeem is ontworpen om extensibel te zijn, wat betekent dat wanneer er nieuwe cryptografische protocollen worden ontwikkeld of nieuwe typen data-analyse verschijnen, deze aan het systeem kunnen worden toegevoegd zonder de hele basis opnieuw op te bouwen. Deze modulariteit is bedoeld om het gebruik van veilige berekening te democratiseren, waardoor data-analisten en softwareontwikkelaars veilige applicaties kunnen bouwen zonder zelf cryptografen te hoeven zijn. De onderzoekers hebben de broncode van CryptDough publiekelijk beschikbaar gesteld, met een uitnodiging voor verdere ontwikkeling en testen.

Uiteindelijk vertegenwoordigt het werk gepresenteerd in dit artikel een belangrijke stap voorwaarts in het maken van secure multiparty computation tot een praktische realiteit voor complexe data-analyse. Het beweegt het veld weg van een verzameling geïsoleerde, single-purpose tools naar een verenigde engine die in staat is om de rommelige, gemengde workflows te verwerken die kenmerkend zijn voor de echte wereld van data science. De resultaten suggereren dat het mogelijk is om een systeem te bou