当前位置: 首页 > article >正文

Google 和 Meta 携手 FHE 应对隐私挑战

1. 引言

为什么世界上最大的广告商,如谷歌和 Meta 这样的超大规模公司都选择全同态加密 (FHE)。

2. 定向广告

谷歌和 Meta 是搜索引擎和社交网络领域的两大巨头,它们本质上从事的是同一业务——广告。它们最近公布的年度广告收入数据显示,谷歌广告平台在 2022 年创造了2244.7 亿美元(约占收入的 80%),而 Meta 创造了1136 亿美元(约占收入的 97%)。由于它们的大量广告都是基于客户数据“定向”并针对相关客户,因此这对于其核心业务的成功至关重要。然而,有关使用私人客户数据的法律和限制(例如 GDPR)正在制定并得到严格执行。

随着网络的发展和用户数据安全措施法律的收紧,宝贵的客户信息得到了比以往更加严格的保护。HTTPS、VPN 和端到端加密等日益流行的隐私增强技术意味着在线广告企业可收集的数据块越来越少,这对他们的业务造成了损害。数据监管越来越严格,用户也越来越警惕。因此,大型科技公司正在寻求既能满足用户隐私和数据安全问题,又能对客户数据进行一系列关键分析的解决方案,从而保持业务活力。

对于以定向广告为命脉的公司来说,由于 FHE 的出现,加密的客户数据可能成为宝贵的资源。众所周知,科技巨头,如谷歌和 Meta,以及微软和亚马逊,正在研究全同态加密 (FHE),以分析用户信息进行广告跟踪等,而不会侵犯个人隐私。FHE 不仅意味着客户数据隐私得到保障,而且还可以确保基于云的个人信息不会受到泄露、黑客攻击或其他技术数据泄露的影响。最后但并非最不重要的是,FHE 还可以关闭因使用 AI、ML 和其他深度学习生产力应用程序而产生的越来越常见的数据泄露的大门。

3. FHE——全同态加密

在此之前,有必要描述一下 FHE 技术的前景。简而言之,FHE 允许直接在安全加密的数据上运行分析函数而无需解密,同时提供与在纯文本上运行的分析相同的结果。这意味着属于用户的纯文本信息永远不会逃离受信任的域。这也意味着用户不必“信任”任何第三方来处理他们的数据,并消除了任何数据可用性和隐私权衡。重要的是,为了使 FHE 按预期运行,用户数据必须使用全同态加密方案进行加密。

对于传统上受益于用户定向网络广告的科技公司来说,FHE 听起来像是一颗灵丹妙药,而且已经有证据表明它正在为黄金时段做准备。2021 年,Facebook (Meta) 证实正在研究无需解密即可分析加密数据的方法。《The Information》 (2021 年 8 月)报道称,Meta 刚刚聘请了一位来自微软的高管加入其人工智能 (AI) 团队,微软是 FHE 应用的关键先驱。

4. WhatsApp 的端到端加密难题

Meta 最大的资产之一是流行的即时通讯平台 WhatsApp。吸引用户并让他们对 WhatsApp 保持忠诚的关键功能是其端到端加密方案。在WhatsApp 帮助中心,可以看到“隐私和安全是其 DNA”,WhatsApp 将所有消息、照片、视频、语音消息、文档、状态更新和通话保密,不让用户和收件人知道。不幸的是,对于 Meta 来说,遵守这一承诺会严重削弱广告定位。广告定位不够好会导致回报不够好。

如,如果可以在 WhatsApp 上实施 FHE,那么这将极大地提升该平台的广告相关性,从而让数百万 WhatsApp 用户获利,同时又不会危及客户隐私。Meta 不仅能满足政府隐私法的要求,还能满足注重安全的用户及其平台的营销人员的要求。

目前(2023年7月),谷歌尚未在其任何知名的 Web 和应用产品和服务中使用 FHE。当前(2023年7月)对谷歌在 FHE 方面的工作了解的是,它已经为创建一个开源的全同态加密编译器(2024年2 月份推出——Transpiler和HEIR)做好了基础工作。这个编译器可以将当今处理纯文本的 C++ 程序转换为处理 FHE 密文。谷歌开发人员 Jeremy Kun 发布的链接博客文章中有相当一部分强调了 FHE 在传统处理器/数据中心上的巨大处理、RAM 和存储开销。也许谷歌正在为 FHE 加速硬件成为现实时准备软件。

5. 行业需要 FHE 加速

尽管 FHE 前景光明,但由于计算成本过高,目前仍无法大规模推广。从之前的报道中可知 Meta 之类的公司可能多年来一直在努力实现 FHE 或同等技术,但向数百万用户推广的主要障碍是所需的处理能力和计算机资源。

Chain Reaction 几年前就注意到了 FHE 面临的潜在处理瓶颈,目前正处于准备第一款专用集成电路 (ASIC) 的后期阶段,该集成电路旨在提供实现该技术实时性所需的性能和效率。Chain Reaction 推出的首款芯片旨在加速区块链计算,预计该公司首款用于快速高效 FHE 的隐私保护处理单元 (3PU™) 将于 2024 年第四季度推出。

6. FHE 的更广泛用途

尽管本文重点介绍了超大规模企业及其将加密用户数据用于广告的潜在用途,但 FHE 还有许多其他潜在用户。Chain Reaction 的联合创始人兼首席执行官 Alon Webman 将实时加速 FHE 技术描述为“云计算的圣杯”。目前,对于金融机构、医疗保健和大型制药公司、国防和政府以及石油和天然气企业来说,云是一个不可信的环境——但随着 FHE 技术的实际应用,这一切都可能改变。Webman说:“Chain Reaction的技术将使企业和政府能够通过将私人数据迁移到云端来实现计算基础设施的现代化。 ”

Google 和 Meta 的股东肯定会喜欢 FHE 可以提供的定向广告,但广告只是这项技术的一个用例。企业和政府组织可以利用相同的 FHE 技术来收集有关机密和安全加密数据的可行见解。在广告之外的 FHE 用例的一个示例中,研究人员可能希望访问医院的数据,但由于隐私法规而无法这样做。但是,如果医院对其医疗记录进行了同态加密并将其放在云端,研究人员就可以在源数据保持安全和加密的情况下进行分析。随着机器学习和人工智能的发展,访问大型数据集以获得最佳结果的好处已经变得非常明显。

美国政府国家标准与技术研究所 (NIST) 也认为推动采用 FHE 有好处。该机构目前正在就适合门限加密(多方必须共同解密特定数据)且具有抗量子破解能力的 FHE 方案进行咨询。

开发人员可能会有兴趣知道,计算机行业巨头 IBM 和微软已经帮助推动了 FHE 的发展。目前,IBM 的同态加密服务通过促进 IBM Cloud 上原型应用程序的开发,帮助客户为 FHE 做好准备。与此同时,微软正在推广Microsoft SEAL作为开源同态加密技术,目前表现为一组面向开发人员的加密库。

7. 结论

Chain Reaction 的 3PU™ 旨在使安全数据和应用程序能够迁移到云端,并可能产生数十亿美元的新业务。这款加速隐私基础设施解决方案旨在成为超大规模企业、企业和政府的即插即用产品,以高性能和高效率提供 FHE。

参考资料

[1] Chain Reaction团队2023 年7月23日博客 Google and Meta Pursue FHE for the Privacy Challenge

相关文章:

Google 和 Meta 携手 FHE 应对隐私挑战

1. 引言 为什么世界上最大的广告商,如谷歌和 Meta 这样的超大规模公司都选择全同态加密 (FHE)。 2. 定向广告 谷歌和 Meta 是搜索引擎和社交网络领域的两大巨头,它们本质上从事的是同一业务——广告。它们最近公布的年度广告收入数据显示,…...

将markdown文件转为word文件

通义千问等大模型生成的回答多数是markdown类型的,需要将他们转为Word文件 一 pypandoc 介绍 1. 项目介绍 pypandoc 是一个用于 pandoc 的轻量级 Python 包装器。pandoc 是一个通用的文档转换工具,支持多种格式的文档转换,如 Markdown、HTM…...

arkts bridge使用示例

接上一篇:arkui-x跨平台与android java联合开发-CSDN博客 本篇讲前端arkui如何与后端其他平台进行数据交互,接上一篇,后端os平台为Android java。 arkui-x框架提供了一个独特的机制:bridge。 1、前端接口定义实现 定义一个bri…...

2025年大年初一篇,C#调用GPU并行计算推荐

C#调用GPU库的主要目的是利用GPU的并行计算能力,加速计算密集型任务,提高程序性能,支持大规模数据处理,优化资源利用,满足特定应用场景的需求,并提升用户体验。在需要处理大量并行数据或进行复杂计算的场景…...

python算法和数据结构刷题[2]:链表、队列、栈

链表 链表的节点定义: class Node():def __init__(self,item,nextNone):self.itemitemself.nextNone 删除节点: 删除节点前的节点的next指针指向删除节点的后一个节点 添加节点: 单链表 class Node():"""单链表的结点&quo…...

Baklib解析内容中台与人工智能技术带来的价值与机遇

内容概要 在数字化转型的浪潮中,内容中台与人工智能技术的结合为企业提供了前所未有的发展机遇。内容中台作为一种新的内容管理和生产模式,通过统一管理和协调各种内容资源,帮助企业更高效地整合内外部数据。而人工智能技术则以其强大的数据…...

Flask框架基础入门教程_ezflaskapp

pip install flaskFlask 快速入门小应用 学东西,得先知道我们用这个东西,能做出来一个什么东西。 一个最小的基于flask 的应用可能看上去像下面这个样子: from flask import Flask app Flask(__name__)app.route(/) def hello_world():ret…...

黑马点评 - 商铺类型缓存练习题(Redis List实现)

首先明确返回值是一个 List<ShopType> 类型那么我们修改此函数并在 TypeService 中声明 queryTypeList 方法&#xff0c;并在其实现类中实现此方法 GetMapping("list")public Result queryTypeList() {return typeService.queryTypeList();}实现此方法首先需要…...

AI学习指南Ollama篇-使用Ollama构建自己的私有化知识库

一、引言 (一)背景介绍 随着企业对数据隐私和效率的重视,私有化知识库的需求日益增长。私有化知识库不仅可以保护企业数据的安全性,还能提供高效的知识管理和问答系统,提升企业内部的工作效率和创新能力。 (二)Ollama和AnythingLLM的结合 Ollama和AnythingLLM的结合…...

洛谷P4057 [Code+#1] 晨跑

题目链接&#xff1a;P4057 [Code#1] 晨跑 - 洛谷 | 计算机科学教育新生态 题目难度&#xff1a;普及一 题目分析&#xff1a;这道题很明显是求最大公倍数&#xff0c;写题解是为了帮助自己复习。 下面用两种方法介绍如何求最大公倍数&#xff1a; 暴力破解 #include<bits…...

嵌入式经典面试题之操作系统(一)

文章目录 1 请你说说常用的Linux命令有哪些&#xff1f;2 在linux中如何创建一个新的目录&#xff1f;3 Linux中查看进程运行状态的指令、tar解压文件的参数。4 在linux中&#xff0c;文件权限如何修改&#xff1f;5 怎样以root权限运行某个程序&#xff1f;6 在linux里如何查看…...

讯飞绘镜(ai生成视频)技术浅析(四):图像生成

1. 技术架构概述 讯飞绘镜的图像生成技术可以分为以下几个核心模块: 文本理解与视觉元素提取:解析脚本中的场景描述,提取关键视觉元素(如人物、场景、物体等)。 视觉元素生成:根据文本描述生成具体的视觉元素(如人物、场景、物体等)。 分镜画面生成:将视觉元素组合成…...

搜索引擎快速收录:关键词布局的艺术

本文来自&#xff1a;百万收录网 原文链接&#xff1a;https://www.baiwanshoulu.com/21.html 搜索引擎快速收录中的关键词布局&#xff0c;是一项既精细又富有策略性的工作。以下是对关键词布局艺术的详细阐述&#xff1a; 一、关键词布局的重要性 关键词布局影响着后期页面…...

[Effective C++]条款53-55 杂项讨论

本文初发于 “天目中云的小站”&#xff0c;同步转载于此。’ 学到这里, Effective C至此也算是告一段落了, 还剩下一些杂七杂八的讨论, 我们将在本文逐一列举. 条款53 : 不要忽视编译器的警告 我们应严肃对待编译器发出的警告信息, 努力在你的编译器最高警告级别下争取无警告…...

FreeRTOS从入门到精通 第十五章(事件标志组)

参考教程&#xff1a;【正点原子】手把手教你学FreeRTOS实时系统_哔哩哔哩_bilibili 一、事件标志组简介 1、概述 &#xff08;1&#xff09;事件标志位是一个“位”&#xff0c;用来表示事件是否发生。 &#xff08;2&#xff09;事件标志组是一组事件标志位的集合&#x…...

5 长度和距离计算模块(length.rs)

这段代码定义了一个泛型结构体 Length<T, Unit>&#xff0c;用于表示一维长度&#xff0c;其中 T 表示长度的数值类型&#xff0c;而 Unit 是一个编译时检查单位一致性的占位符类型&#xff0c;不会用于运行时表示长度的值。这个设计允许开发者在编译阶段确保不同单位之间…...

使用Pygame制作“俄罗斯方块”游戏

1. 前言 俄罗斯方块&#xff08;Tetris&#xff09; 是一款由方块下落、行消除等核心规则构成的经典益智游戏&#xff1a; 每次从屏幕顶部出现一个随机的方块&#xff08;由若干小方格组成&#xff09;&#xff0c;玩家可以左右移动或旋转该方块&#xff0c;让它合适地堆叠在…...

deepseek大模型本机部署

2024年1月20日晚&#xff0c;中国DeepSeek发布了最新推理模型DeepSeek-R1&#xff0c;引发广泛关注。这款模型不仅在性能上与OpenAI的GPT-4相媲美&#xff0c;更以开源和创新训练方法&#xff0c;为AI发展带来了新的可能性。 本文讲解如何在本地部署deepseek r1模型。deepseek官…...

常见“栈“相关题目

找往期文章包括但不限于本期文章中不懂的知识点&#xff1a; 个人主页&#xff1a;我要学编程(ಥ_ಥ)-CSDN博客 所属专栏&#xff1a; 优选算法专题 目录 1047.删除字符串中的所有相邻重复项 844.比较含退格的字符串 227.基本计算器 II 394.字符串解码 946.验证栈序列 104…...

QT实现有限元软件操作界面

本系列文章致力于实现“手搓有限元&#xff0c;干翻Ansys的目标”&#xff0c;基本框架为前端显示使用QT实现交互&#xff0c;后端计算采用Visual Studio C。 本篇将二维矩形截面梁单元&#xff08;Rect_Beam2D2Node&#xff09;组成的钢结构桥作为案例来展示软件功能。 也可以…...

软件工程经济学-日常作业+大作业

目录 一、作业1 作业内容 解答 二、作业2 作业内容 解答 三、作业3 作业内容 解答 四、大作业 作业内容 解答 1.建立层次结构模型 (1)目标层 (2)准则层 (3)方案层 2.构造判断矩阵 (1)准则层判断矩阵 (2)方案层判断矩阵 3.层次单排序及其一致性检验 代码 …...

深度学习篇---深度学习框架

文章目录 前言第一部分&#xff1a;框架简介1. PyTorch简介特点动态计算图易于上手强大的社区支持与Python的集成度高 核心组件 2. TensorFlow简介特点静态计算图跨平台强大的生态系统Keras集成 核心组件 3. PaddlePaddle简介特点易于使用高性能工业级应用丰富的预训练模型 核心…...

Go学习:Go语言中if、switch、for语句与其他编程语言中相应语句的格式区别

Go语言中的流程控制语句逻辑结构与其他编程语言类似&#xff0c;格式有些不同。Go语言的流程控制中&#xff0c;包括if、switch、for、range、goto等语句&#xff0c;没有while循环。 目录 1. if 语句 2. switch语句 3. for语句 4. range语句 5. goto语句&#xff08;不常用…...

Java中初步使用websocket(springBoot版本)

一、什么是websocket WebSocket是一种在Web应用程序中实现实时双向通信的协议。它为浏览器和服务器之间提供了一种持久连接&#xff0c;在一个连接上可以双向传输数据。相比传统的HTTP协议&#xff0c;WebSocket具有更低的延迟和更高的效率。 WebSocket使用了类似于握手的方式来…...

Day50:字典的合并

在 Python 中&#xff0c;字典是一个可变的数据类型&#xff0c;经常需要将多个字典合并成一个字典。合并字典的方式有多种&#xff0c;今天我们将学习几种常见的方法。 1. 使用 update() 方法合并字典 update() 方法可以用来将一个字典中的键值对添加到另一个字典中。如果目…...

14-8C++STL的queue容器

一、queue容器 (1)queue容器的简介 queue为队列容器&#xff0c;“先进先出”的容器 (2)queue对象的构造 queue<T>q; queue<int>que Int;//存放一个int的queue容器 queue<string>queString;//存放一个string的queue容器 (3)queue容器的push()与pop()方…...

C++范围for和auto关键字

这里写目录标题 一.范围for的介绍与使用模版:⽰例:打印数组2. 方法如下⽰例:打印数组二.auto 关键字一.范围for的介绍与使用 模版: for ( 类型 变量名 : 数组名 )语句 //多条语句需要加⼤括号 ⽰例:打印数组 #include <iostream> using namespace std; int main()…...

【B站保姆级视频教程:Jetson配置YOLOv11环境(四)cuda cudnn tensorrt配置】

Jetson配置YOLOv11环境&#xff08;4&#xff09;cuda cudnn tensorrt配置 文章目录 0. 简介1. cuda配置&#xff1a;添加cuda环境变量2. cudnn配置3. TensorRT Python环境配置3.1 系统自带Python环境中的TensorRT配置3.2 Conda 虚拟Python环境中的TensorRT配置 0. 简介 官方镜…...

信号模块--simulink操作

位置simulink/sourses 常用的模块 功能&#xff1a;常数模块&#xff0c;提供一个常数 数据设置可以是一维或多维 一维数据设置 多维数据设置&#xff08;例三维数据设置&#xff09; 方波脉冲模块 模块用于按固定间隔生成方波脉冲信号 振幅就是方波的幅度&#xff0c;0到…...

强化学习笔记(3)——基于值函数的方法和策略梯度方法

分为两大类方法&#xff1a; 基于值函数的方法&#xff08;Temporal Difference Methods, TD Methods&#xff09; 策略梯度方法&#xff08;Policy Gradient Methods&#xff09;。 二者不同之处&#xff1a; 通过值函数来间接表达隐式的策略&#xff0c;一个是直接迭代优化策…...