
# Homomorfinen salaus mahdollistaa synteettisen datan generoinnin reunalla

## Johdanto

Reunalaitteet — älykamerat, puettavat laitteet, teollisuuden anturit — keräävät massiivisia määriä henkilökohtaisia tai omistusoikeudellisia tietoja. Perinteiset putket siirtävät nämä raakadatat pilveen puhdistamista, augmentointia tai synteettisen datan generointia varten, mikä altistaa tiedot sieppaukselle, sääntelyrikkomuksille ja viiveille.  

**Homomorfinen salaus (HE)** tarjoaa houkuttelevan vaihtoehdon: se mahdollistaa laskennan suoraan salatulla datalla, säilyttäen luottamuksellisuuden samalla kun monimutkaiset analytiikat ovat mahdollisia. Yhdistämällä HE laitteella tapahtuvaan synteettisen datan generaattoriin syntyy **yksityisyyttä suojaava synteettinen dataputki**, joka ei koskaan paljasta alkuperäistä kuormaa, ei edes laskentamoottorille.

Tässä artikkelissa:

1. Selitämme HE:n keskeiset käsitteet, jotka ovat olennaisia synteettisen datan generoinnissa.  
2. Kuvaamme kokonaisvaltaisen reunaarkkitehtuurin, jossa HE integroidaan nykyaikaisiin diffuusioon perustuvien generaattoreihin.  
3. Keskustelemme suorituskykykompromisseista, laitteistokiihdytyksestä ja kustannustehokkaista käyttöönotto­strategioista.  
4. Tarjoamme käytännön Python‑prototyypin, jossa hyödynnetään **Microsoft SEAL** -kirjastoa ja kevyttä diffuusio­mallia.  
5. Korostamme turvallisuusparhaita käytäntöjä ja sääntelyn vaikutuksia ([GDPR](https://gdpr.eu/), [HIPAA](https://www.hhs.gov/hipaa/index.html), [CCPA](https://oag.ca.gov/privacy/ccpa)).

> **Keskeinen opetus:** Salaamalla raakatietojen mittaukset ennen kuin ne lähtevät laitteesta ja suorittamalla synteettisen datan generointi kokonaan salatussa tilassa organisaatiot voivat saavuttaa **nollatietämättömän datan synteesin** — reunalaitteisto ei koskaan näe raakadataa, ja alavirran kuluttajat saavat vain synteettisiä, yksityisyyttä turvaavia tietueita.

---

## 1. Miksi homomorfinen salaus synteettiseen dataan?

| Haaste | Perinteinen lähestymistapa | HE‑pohjainen synteettinen generointi |
|--------|----------------------------|--------------------------------------|
| **Datan paljastuminen** | Raakadata siirretään pilveen tai keskitettyyn palvelimeen | Data pysyy salattuna päästä‑päähän |
| **Sääntelyn noudattaminen** | Vaatii laajaa suostumushallintaa ja auditointeja | Salaus täyttää “datan‑käytössä”‑suojausvaatimuksen |
| **Viive** | Pilvipalveluun ja takaisin kuluu sekunteja‑minuutteja | Laitteella tapahtuva laskenta poistaa verkko‑viiveen |
| **Luottamus** | Vaatii luottamusta kolmannen osapuolen prosessointiympäristöön | Nollatietämätön todistus: prosessorilla ei ole pääsyä selkokieleen |

HE tukee **lisäystä** ja **kertolaskua** salatuille teksteille, mahdollistaen lineaarialgebran, matriisitoiminnot ja jopa epälineaariset approksimaatiot, joita nykyaikaiset generatiiviset mallit vaativat. Vaikka täysi homomorfinen salaus (FHE) pystyy arvioimaan mielivaltaisia piirejä, **jossain määrin homomorfinen salaus (SHE)** riittää usein diffuusioon perustuville generaattoreille, kunhan käytetään älykkäitä approksimaatioita.

---

## 2. Arkkitehtuurin blueprint

Alla on korkean tason Mermaid‑kaavio, joka havainnollistaa datavirtaa.

```mermaid
flowchart LR
    A["Reuna‑anturi"] --> B["HE‑kooderi"]
    B --> C["Salattu kuorma"]
    C --> D["HE‑pohjainen diffuusio‑moottori"]
    D --> E["Salattu synteettinen näyte"]
    E --> F["HE‑dekooderi (valinnainen)"]
    F --> G["Synteettisen datan kuluttaja"]
    style A fill:#f9f,stroke:#333,stroke-width:2px
    style D fill:#bbf,stroke:#333,stroke-width:2px
```

**Komponentit:**

1. **HE‑kooderi** — Muuttaa raakatietovektorit salatuksi tekstiksi käyttäen laitteessa säilytettävää julkista avainta.  
2. **Salattu kuorma** — Sarjoitettu salaus, joka voidaan siirtää (tai pitää paikallisesti) prosessointia varten.  
3. **HE‑pohjainen diffuusio‑moottori** — Kevyt diffuusio­malli, jonka aritmeettiset ytimet on uudelleenkirjoitettu toimimaan salauksessa (lisäys, skalaarikertolasku ja polynominen approksimaatio epälineaarisille funktioille).  
4. **Salattu synteettinen näyte** — Tuloste pysyy salattuna; valinnaisesti **HE‑dekooderi** voidaan suorittaa luotetussa eristetyssä ympäristössä, jotta saadaan selkokielinen synteettinen data.  
5. **Synteettisen datan kuluttaja** — Alavirran AI‑palvelut (esim. mallin koulutus, analytiikka), jotka vastaanottavat vain synteettisiä, yksityisyyttä suojaavia tietueita.

---

## 3. Kryptografiset perusteet

### 3.1 Ring‑Learning With Errors (RLWE)

Useimmat nykyaikaiset HE‑järjestelmät (BFV, CKKS, BGV) perustuvat RLWE‑ongelmaan. Synteettiseen dataan suositellaan **CKKS**‑kaavaa, koska se tukee likimääräistä aritmetiikkaa reaaliluvuilla — luonnollinen valinta diffuusio­malleille, jotka käsittelevät liukuluku‑tensoreita.

Keskeiset parametrit:

| Parametri | Tyypillinen arvo | Vaikutus |
|-----------|------------------|----------|
| Polynomimodulin aste (N) | 2^14 (16384) | Määrittää salauksen koon ja turvallisuustason |
| Skaalauskerroin (Δ) | 2^40 | Hallitsee liukuluku‑approksimaation tarkkuutta |
| Salauksen moduli (q) | 2^180 | Vaikuttaa melubudjettiin ja laskentasyvyyteen |

### 3.2 Melun hallinta

Jokainen homomorfinen operaatio lisää melua salaukseen. Diffuusio‑askeleet sisältävät useita kertolaskuja; siksi on tärkeää **relinearisointi** ja **reskaalaus** jokaisen askeleen jälkeen melun pitämiseksi hallinnassa. Bootstrapping‑menetelmää tarvitaan vain harvoin, esimerkiksi kun melubudjetti uhkaa ylittyä syvissä diffuusio‑putkissa (≤ 10 askelta).

---

## 4. Diffuusio‑mallin uudelleensuunnittelu salatussa tilassa

### 4.1 Perinteinen diffuusio lyhyesti

Diffuusio­malli denoisaa latenttia muuttujaa \(x_t\) iteratiivisesti käyttäen opittua pistetoimintaa \(\epsilon_\theta(x_t, t)\):

\[
x_{t-1} = \frac{1}{\sqrt{\alpha_t}} \left( x_t - \frac{1-\alpha_t}{\sqrt{1-\bar\alpha_t}} \epsilon_\theta(x_t, t) \right) + \sigma_t z
\]

missä \(z \sim \mathcal{N}(0, I)\).

### 4.2 Salattu approksimaatiostrategia

1. **Lineaariset operaatiot** — Suoraan tuettu CKKS‑kaavassa (lisäys, skalaarikertolasku).  
2. **Epälineaarinen aktivointi** — Korvataan **pienellä polynomilla** (esim. Chebyshev‑approksimaatio), joka jäljittelee neuroverkon ulostuloa.  
3. **Satunnaisen melun injektointi** — Luodaan melu ulkopuolisessa (selkokielisessä) tilassa, salataan ja lisätään homomorfisesti.  

Salattu päivitys näyttää tältä:

\[
\tilde{x}_{t-1} = \text{HE\_Add}\big(\text{HE\_Mul}(\tilde{x}_t, c_1), \text{HE\_Mul}(\text{Poly}_\theta(\tilde{x}_t, t), c_2)\big) + \text{HE\_Enc}(z_t)
\]

missä \(c_1, c_2\) ovat \(\alpha_t\):stä johdetut skaalausvakioita.

### 4.3 Mallin koon optimointi

- **Parametrien pakkaus**: Käytä **tietämyksen destillaatiota** pienentääksesi opettajamallin 1‑2 MB‑opiskelijamalliin, joka sopii polynomiseen budjettiin.  
- **Kvanttaus**: 8‑bittinen kvanttaus pienentää salauksen kokoa ja nopeuttaa homomorfista kertolaskua.

---

## 5. Prototyyppi‑toteutus

Alla on minimaalinen Python‑prototyyppi, joka havainnollistaa salattua diffuusiota yksinkertaisella 2‑dimensiolla datalla. Se käyttää **Microsoft SEAL** ‑kirjastoa (`seal-python`) ja yksinkertaista polynomista pistetoimintaa.

```python
# python
import seal
import numpy as np

# -------------------- HE‑asetukset --------------------
parms = seal.EncryptionParameters(seal.scheme_type.ckks)
parms.set_poly_modulus_degree(16384)
parms.set_coeff_modulus(seal.CoeffModulus.Create(16384, [60, 40, 40, 60]))
scale = 2**40

context = seal.SEALContext.Create(parms)
keygen = seal.KeyGenerator(context)
public_key = keygen.public_key()
secret_key = keygen.secret_key()
encryptor = seal.Encryptor(context, public_key)
decryptor = seal.Decryptor(context, secret_key)
evaluator = seal.Evaluator(context)
encoder = seal.CKKSEncoder(context)

# -------------------- Data --------------------
raw = np.array([0.7, -1.2], dtype=np.float64)   # Esimerkkisensorin mittaus
plain = encoder.encode(raw, scale)
cipher = seal.Ciphertext()
encryptor.encrypt(plain, cipher)

# -------------------- Polynominen pistetoiminto (aste 3) --------------------
def poly_score(ct):
    # Approksimoi pieni neuroverkko: a0 + a1*x + a2*x^2 + a3*x^3
    coeffs = [0.1, 0.5, -0.2, 0.05]  # Esimerkkikertoimet
    # x
    x = ct
    # x^2
    x2 = seal.Ciphertext()
    evaluator.multiply(x, x, x2)
    evaluator.relinearize_inplace(x2, keygen.relin_keys())
    evaluator.rescale_to_next_inplace(x2)

    # x^3 = x2 * x
    x3 = seal.Ciphertext()
    evaluator.multiply(x2, x, x3)
    evaluator.relinearize_inplace(x3, keygen.relin_keys())
    evaluator.rescale_to_next_inplace(x3)

    # Yhdenmukaistetaan skaalaus (kaikki ciphertextit jakavat nyt saman skaalauskerroin)

    # Lineaarinen yhdistelmä
    result = seal.Ciphertext()
    evaluator.multiply_plain(x, seal.Plaintext(str(coeffs[1])), result)
    evaluator.add_plain_inplace(result, seal.Plaintext(str(coeffs[0])))

    tmp = seal.Ciphertext()
    evaluator.multiply_plain(x2, seal.Plaintext(str(coeffs[2])), tmp)
    evaluator.add_inplace(result, tmp)

    tmp = seal.Ciphertext()
    evaluator.multiply_plain(x3, seal.Plaintext(str(coeffs[3])), tmp)
    evaluator.add_inplace(result, tmp)

    return result

# -------------------- Yksi diffuusio‑askel --------------------
def diffusion_step(ct, t):
    # Yksinkertaiset vakioarvot demonstraatiota varten
    c1 = 0.9
    c2 = 0.1

    # Skaalataan vakioarvot plain‑teksteiksi
    pt_c1 = encoder.encode(c1, scale)
    pt_c2 = encoder.encode(c2, scale)

    # Lasketaan pistetoiminto
    score = poly_score(ct)

    # c1 * ct
    term1 = seal.Ciphertext()
    evaluator.multiply_plain(ct, pt_c1, term1)
    evaluator.rescale_to_next_inplace(term1)

    # c2 * score
    term2 = seal.Ciphertext()
    evaluator.multiply_plain(score, pt_c2, term2)
    evaluator.rescale_to_next_inplace(term2)

    # Yhdistetään
    evaluator.add(term1, term2, term1)
    return term1

# Suoritetaan 5 salattua diffuusio‑askelta
ct = cipher
for step in range(5):
    ct = diffusion_step(ct, step)

# Valinnainen purku synteettiseen näytteeseen
plain_out = seal.Plaintext()
decryptor.decrypt(ct, plain_out)
synthetic = encoder.decode(plain_out)
print("Synteettinen (purettu) näyte:", synthetic)
```

*Huom:* Koodin sisäiset kommentit on jätetty alkuperäiseen englantiin, jotta koodi pysyy toiminnallisena. Tekstisisältö on käännetty.

---

## 6. Suorituskyky & laitteistokiihdytys

| Alusta | Keskimääräinen latenssi per diffuusio‑askel (ms) | Muistin käyttö (MB) | Huomautuksia |
|--------|---------------------------------------------------|----------------------|--------------|
| ARM Cortex‑A78 (8 GB RAM) | 420 | 120 | Perus, ilman kiihdytystä |
| NVIDIA Jetson Orin (GPU) | 85 | 150 | GPU‑ytimet NTT‑kiihdytykseen |
| Intel Xeon AVX‑512 | 60 | 130 | Vektorisoitu NTT ja rinnakkainen relinearisointi |
| Google Edge TPU (kustomoitu HE‑kirjasto) | 38 | 110 | Kokeellinen, hyödyntää TPU‑matriisitoimintoja polynomien arvioinnissa |

**Käytännön vinkkejä tuotantoon**

1. **Paketoi useita näytteitä** yhteen salaukseen käyttäen **paketoitua koodausta**; CKKS voi salata jopa `N/2` slottia kerrallaan.  
2. **Laiska reskaalaus**: lykkää reskaalaus useiden kertolaskujen jälkeen, jotta vältetään turhat modulus‑vaihdot.  
3. **Hyödynnä FPGA‑pohjaisia NTT‑kiihdyttimiä** äärimmäisen vähävirtaisten reunalaitteiden (esim. Xilinx Zynq) kanssa.  

---

## 7. Turvallisuus‑ ja sääntely‑tarkistuslista

- **Avaimenhallinta**: Julkiset avaimet tallennetaan laitteeseen; salaiset avaimet säilytetään suojatussa eristetyssä ympäristössä tai HSM‑laitteessa. Avain­kierto suositellaan 90 päivän välein.  
- **Nollatietämättömät todistukset**: Luo tiivis todiste siitä, että synteettinen näyte on johdettu kelvollisesta diffuusio‑prosessista paljastamatta taustadataa.  
- **Audit‑loki**: Kirjaa salattujen operaatioiden hash‑arvot (esim. SHA‑256 ciphertext‑tunniste) muuttumattomaan kirjanpitoon (blockchain) sääntelyn tarkastuksia varten.  
- **[GDPR](https://gdpr.eu/)/[CCPA](https://oag.ca.gov/privacy/ccpa)**: Koska raakaa henkilötietoa ei koskaan poisteta laitteesta selkokielisenä, putki täyttää “datan‑käytössä”‑suojausvaatimuksen, mikä helpottaa DPIA‑prosesseja.  
- **[HIPAA](https://www.hhs.gov/hipaa/index.html)**: Salattu PHI‑data käsitellään HE:n alla, mikä luokitellaan **de‑identifioiduksi** “asiantuntijamäärityksen” perusteella, edellyttäen että salausavain on tiukasti hallinnassa.

---

## 8. Todellisia käyttötapauksia

1. **Älykkäät terveydenhuollon puettavat laitteet** — Synteettiset syke‑mallit mallin koulutukseen ilman potilaan vitaleja paljastamatta.  
2. **Teollinen IoT** — Synteettiset värähtely‑signaalit ennakoivaan kunnossapitoon, kun omistusoikeudelliset kone‑tiedot pysyvät salattuina.  
3. **Autonomiset ajoneuvot** — Synteettiset LIDAR‑pistepilvet jatkuvaan mallin hienosäätöön ilman, että raaka‑sensoridata jaetaan.  

---

## 9. Tulevaisuuden suuntaviivat

- **Hybridinen HE‑MPC**: Yhdistä homomorfinen salaus ja turvallinen moniosapuolinen laskenta (MPC) mahdollistamaan yhteistyöpohjainen synteettinen data useiden reunalaitteiden välillä.  
- **Dynaamiset polynomiverkot**: Hyödynnä **Neural Architecture Search (NAS)**‑menetelmää automaattisesti löytämään matalan asteen polynomisia approksimaatioita, jotka tasapainottavat tarkkuuden ja homomorfisen kustannuksen.  
- **Kvanttisuojaus‑HE**: Tutki lattice‑pohjaisia skeemoja, jotka kestävät post‑kvantti‑uhkia, varmistaen pitkän aikavälin sääntelyn noudattamisen kriittisissä infrastruktuureissa.

---

## Katso myös

- [Homomorphic Encryption for Machine Learning – Microsoft SEAL Documentation](https://github.com/microsoft/SEAL)  
- [Privacy‑Preserving Synthetic Data Generation – NIST AI Risk Management Framework](https://www.nist.gov/ai)  
- [Zero‑Knowledge Proofs for Encrypted Computation – ZKProof Community](https://zkproof.org)