A survey on fully homomorphic encryption with statistical applications

Resumo

A quantidade de dados gerados por pessoas e empresas está crescendo exponencialmente nas últimas décadas, o que potencializa o uso de métodos de aprendizado de máquina, já que, para fins estatísticos, a quanto mais dados um modelo tiver acesso, mais preciso ele será na previsão ou representação da realidade. O problema surge quando o modelo precisa lidar com dados sensíveis, como registros médicos, histórico financeiro ou dados genômicos, na quail cuidados adicionais devem ser tomados para proteger a privacidade dos proprietários dos dados. Criptografar tais dados, pode parecer uma boa solução à primeira vista, mas pode limitar consideravelmente a capacidade de fazer análises estatísticas. Este trabalho é uma pesquisa sobre Criptografia Completamente Homomórfica, um tipo especial de esquema de criptografia que permite a execução de alguns modelos de aprendizado sobre dados criptografados, enquanto, ao mesmo tempo, mantém fortes garantias matemáticas de proteção de privacidade.

Ficha do documento

Tipo

Outro

Ano

2022

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Inglês

Acesso

Não informado

Identificador

oai:repositorio.fgv.br:10438/33823

Temas

TransportesDados

Palavras-chave

Machine LearningCryptographyFully Homomorphic EncryptionLogistic RegressionAprendizado de máquinasCriptografiaCriptografia totalmente homomórficaRegressão logísticaMatemáticaAprendizado do computadorCriptografia de dados (Computação)Análise de regressão logística