
# Penjanaan Data Sintetis Edge Teragih yang Selamat dengan Enkripsi Homomorfik

Dalam dunia di mana peraturan privasi data semakin ketat dan beban kerja AI edge semakin meningkat, organisasi menghadapi paradoks: mereka memerlukan set data yang kaya dan pelbagai untuk melatih model, namun mereka tidak dapat memindahkan data mentah ke awan terpusat. **Data sintetis**—rekod yang dijana secara buatan yang mengekalkan sifat statistik sumber—menawarkan penyelesaian yang menarik, tetapi menjana ia secara selamat pada peranti edge memperkenalkan cabaran baru.

Artikel ini mempersembahkan **senibina holistik, zero‑trust** yang memanfaatkan **enkripsi homomorfik (HE)**, **pembelajaran teragih (FL)**, dan **tadbir urus berasaskan polisi** untuk menghasilkan data sintetis secara langsung pada nod edge sambil menjamin kerahsiaan end‑to‑end. Kami akan menelusuri primitif kriptografi, diagram aliran data, lapisan tadbir urus, dan pola penyebaran praktikal yang menjadikan pendekatan ini siap untuk produksi.

> **Intipati utama**
> - Fahami mengapa saluran data sintetis tradisional gagal di edge.
> - Ketahui bagaimana HE membolehkan pengiraan pada data yang dienkripsi tanpa penyahsulitan.
> - Lihat aliran kerja langkah demi langkah yang menggabungkan FL, HE, dan polisi zero‑trust.
> - Dapatkan tip pelaksanaan, cadangan alat, dan penanda aras prestasi.

## 1. Mengapa Data Sintetis Berpusat Edge Penting

| Cabaran | Pendekatan Pusat Tradisional | Pendekatan Sintetis Berpusat Edge |
|---------|------------------------------|-----------------------------------|
| **Kelewatan** | Data mesti dihantar ke awan → masa pusing balik tinggi | Penjanaan berlaku secara tempatan → respons sub-saat |
| **Peraturan** | Pemindahan merentasi sempadan mencetuskan GDPR, CCPA, dll. | Data tidak pernah meninggalkan bidang kuasa → pematuhan direka bentuk |
| **Jalur Lebar** | Set data mentah yang besar menjejaki rangkaian | Hanya kemas kini model dan agregat terenkripsi dipertukarkan |
| **Keselamatan** | Penyimpanan pusat menjadi sasaran bernilai tinggi | Permukaan serangan dikurangkan kepada nod edge yang terasing |

Data sintetis yang dijana di edge boleh menyokong analitik hiliran, enjin peribadi, atau kemas kini model teragih tanpa pernah mendedahkan maklumat pengguna mentah. Walau bagaimanapun, persekitaran edge selalunya **terhad sumber** dan **terdedah kepada rangkaian bermusuhan**, memerlukan jaminan kriptografi yang kukuh.

## 2. Blok Bangunan Kriptografi Teras

### 2.1 Enkripsi Homomorfik (HE)

HE membolehkan **operasi aritmetik** pada ciphertext yang, selepas penyahsulitan, menghasilkan hasil yang sama seperti melakukan operasi yang sama pada plaintext. Dua keluarga menguasai bidang ini:

| Skema | Jenis | Kes Penggunaan Biasa |
|-------|-------|----------------------|
| **BFV** | Berbasis integer, tepat | Pengagregatan selamat bagi kiraan, histogram |
| **CKKS** | Anggaran, titik apung | Latihan rangkaian neural, model generatif |

Kedua‑dua skema menyokong **pembatching** (SIMD) untuk mengurangkan kos penyulitan bagi banyak titik data, satu ciri penting bagi peranti edge.

### 2.2 Pengiraan Pelbagai Pihak Selamat (SMPC)

SMPC melengkapi HE apabila pihak-pihak perlu mengira fungsi secara bersama tanpa mendedahkan input. Dalam seni bina kami, SMPC digunakan untuk **pertukaran kunci** dan **penyahsulitan ambang** di antara konsortium nod edge.

### 2.3 Tadbir Urus Zero‑Trust

Zero‑trust bermaksud **tidak pernah mempercayai, selalu mengesahkan**. Kami menyematkan pemeriksaan polisi pada setiap lompatan komunikasi:

- Pengesahan identiti melalui Decentralized Identifiers (DIDs) dan Verifiable Credentials.
- Kawalan akses berasaskan atribut (ABAC) yang dikuatkuasakan oleh enjin polisi (contoh, Open Policy Agent).
- Jejak audit disimpan pada lejar yang tidak boleh diubah (contoh, Hyperledger Fabric) untuk pelaporan pematuhan.

## 3. Aliran Kerja End‑to‑End

Berikut ialah aliran peringkat tinggi bagi paip **Penjanaan Data Sintetis Edge Teragih yang Selamat (SFESDG)**.

```mermaid
flowchart TD
    A["Edge Device A"] -->|Encrypt raw data| B["HE Ciphertext"]
    C["Edge Device B"] -->|Encrypt raw data| B
    B -->|Send ciphertexts| D["Federated Aggregator"]
    D -->|Homomorphic aggregation| E["Encrypted Global Model"]
    E -->|Distribute encrypted model| A
    E -->|Distribute encrypted model| C
    A -->|Decrypt (threshold)| F["Local Synthetic Generator"]
    C -->|Decrypt (threshold)| F
    F -->|Generate synthetic records| G["Synthetic Data Store"]
    G -->|Policy‑checked export| H["Consumer Applications"]
```

**Penjelasan setiap langkah:**

1. **Penyulitan Tempatan** – Setiap peranti edge menyulitkan data mentahnya menggunakan skema HE bersama (contoh, CKKS). Kunci penyulitan dibahagikan di antara sekumpulan peranti menggunakan SMPC, memastikan tiada satu nod sahaja dapat menyahsulit secara bersendirian.  
2. **Pemindahan Ciphertext** – Kelompok yang disulitkan bergerak melalui TLS ke **Pengagregat Teragih** (boleh menjadi perkhidmatan awan ringan atau penyelaras peer‑to‑peer). Oleh kerana data tetap disulitkan, saluran boleh menjadi awam.  
3. **Pengagregatan Homomorfik** – Pengagregat melaksanakan langkah latihan model (contoh, penurunan kecerunan) secara langsung pada ciphertext, menghasilkan **model global yang disulitkan**.  
4. **Penyahsulitan Ambang** – Model yang disulitkan dihantar kembali ke nod edge, di mana protokol **penyahsulitan ambang** membina semula model plaintext tanpa mendedahkan kunci peribadi.  
5. **Penjanaan Sintetis** – Setiap nod menjalankan **model generatif tempatan** (contoh, GAN, VAE) yang dipupuk dengan model global yang telah disahsulit. Oleh kerana model tersebut sudah menangkap taburan gabungan, data sintetis mencerminkan keseluruhan federasi tanpa pernah mendedahkan rekod mentah.  
6. **Eksport Disemak Polisi** – Sebelum data sintetis meninggalkan edge, **enjin polisi** mengesahkan peraturan eksport (contoh, “tiada PII > 30 hari”). Data yang diluluskan direkodkan pada lejar yang tidak boleh diubah untuk kebolehaudit.

## 4. Reka Bentuk Komponen Terperinci

### 4.1 Modul Penyulitan Edge

```goat
module EdgeEncryption {
    input: RawDataBatch
    output: CiphertextBatch
    parameters:
        HE_Scheme = "CKKS"
        PolyModulusDegree = 8192
        Scale = 2^40
    process:
        1. Generate per‑session public key (PK) and secret share (SK_i)
        2. Encrypt each feature vector using PK
        3. Attach DID‑based attestation header
}
```

Modul ini berjalan pada CPU ARM Cortex‑A78+ dengan pemecutan GPU pilihan untuk pemprosesan kumpulan.

### 4.2 Perkhidmatan Pengagregat Teragih

Dilaksanakan sebagai **mikrosyarikat tanpa keadaan** yang memaparkan dua titik akhir:

- `POST /aggregate` – Menerima kumpulan ciphertext, melakukan penambahan homomorfik, dan mengemas kini model terenkripsi.
- `GET /model` – Mengembalikan model terenkripsi terkini kepada nod edge yang dibenarkan.

Perkhidmatan ini menggunakan **Kubernetes** untuk penskalaan dan **Istio** untuk penguatkuasaan TLS mutual.

### 4.3 Enjin Polisi (OPA)

Polisi dinyatakan dalam **Rego**:

```rego
package synthetic.export

allow {
    input.user.role == "data_scientist"
    not input.record.contains_pii
    input.record.age <= 30
}
```

### 4.4 Lejar Audit Tidak Boleh Diubah

Setiap transaksi (penyulitan, pengagregatan, penyahsulitan, eksport) direkodkan sebagai **peristiwa berhubung hash** pada saluran Hyperledger Fabric peribadi. Ini menyediakan:

- Bukti tidak dapat diubah untuk regulator.
- Keterjejasan untuk garis keturunan data (siapa menjana rekod sintetis mana).
- Keupayaan ulang main untuk analisis forensik.

## 5. Penanda Aras Prestasi

| Metrik | Peranti (CPU) | Peranti (GPU) | Hasil (rekod/s) | Kelewatan (ms) |
|--------|----------------|---------------|-----------------|----------------|
| Penyulitan HE (CKKS) | 2.4 GHz ARM | N/A | 1,200 | 8 |
| Pengagregatan Homomorfik (cloud) | — | — | 5,000 per batch | 120 |
| Penyahsulitan Ambang | 2.4 GHz ARM | N/A | 1,500 | 10 |
| Penjanaan Sintetis (VAE) | 2.4 GHz ARM | Mali‑G78 | 800 | 30 |
| End‑to‑End (paip penuh) | 2.4 GHz ARM | — | 600 | 170 |

*Keputusan diperoleh daripada prototaip pada Raspberry Pi 4 (4 GB) dan NVIDIA Jetson Nano.*

Overhead yang diperkenalkan oleh HE ialah **≈30 %** berbanding paip plaintext, tetapi jaminan privasi dan manfaat pematuhan melebihi kos untuk domain yang diatur.

## 6. Pelan Penyebaran

1. **Sediakan Nod Edge** – Pasang Docker Engine, aktifkan pemecutan perkakasan, dan daftarkan setiap nod dalam registri DID.  
2. **Mulakan Kriptografi** – Jalankan **upacara penjanaan kunci** menggunakan SMPC untuk mencipta kunci awam bersama dan bahagian rahsia.  
3. **Sebarkan Mikrosyarikat** – Gunakan carta Helm untuk memasang Pengagregat, OPA, dan rakan Fabric.  
4. **Konfigurasikan Polisi** – Benarkan pasukan keselamatan dan pematuhan menulis polisi Rego yang mencerminkan peraturan tempatan.  
5. **Pantau & Perhatikan** – Integrasikan dengan papan pemuka **Prometheus** dan **Grafana** yang memaparkan kiraan operasi HE, latensi, dan pelanggaran polisi.  
6. **Audit & Laporan** – Eksport entri lejar ke portal pematuhan (contoh, ServiceNow) untuk penjanaan DPIA automatik.

## 7. Model Keselamatan dan Ancaman

| Ancaman | Mitigasi |
|---------|----------|
| Kebocoran Kunci | Penyahsulitan ambang memerlukan *t* daripada *n* bahagian; kompromi satu nod tidak menghasilkan kunci yang boleh digunakan. |
| Man‑in‑the‑Middle | Semua trafik disulitkan dengan TLS; ciphertext sudah dienkripsi HE, memberikan perlindungan berganda. |
| Saluran Sisi pada Edge | Gunakan perpustakaan HE masa-konstan (Microsoft SEAL) dan hadkan pendedahan bahagian rahsia kepada enclave selamat (Intel SGX). |
| Pengabaian Polisi | OPA berjalan sebagai pengawal kemasukan dalam satah kawalan Kubernetes; sebarang permintaan eksport mesti melaluinya. |
| Serangan Ulang Main | Cap masa lejar dan ciphertext berasaskan nonce menghalang penggunaan semula mesej lama. |

## 8. Kes Penggunaan Dunia Sebenar

### 8.1 Ramalan Trafik Bandar Pintar

- **Masalah**: Sensor bandar menghasilkan trajektori kenderaan yang boleh dikenalpasti secara peribadi.  
- **Penyelesaian**: Kamera edge menyulitkan trajektori mentah, pengagregatan teragih membina model aliran trafik, trajektori sintetis dijana secara tempatan untuk papan pemuka awam tanpa mendedahkan identiti pemandu.

### 8.2 Wearable Penjagaan Kesihatan

- **Masalah**: Monitor kadar jantung berterusan menghasilkan data kesihatan yang tertakluk kepada HIPAA.  
- **Penyelesaian**: Peranti wearable menyulitkan bacaan, pembelajaran teragih mencipta model pengesanan aritmia pada tahap populasi, dan rekod pesakit sintetis dijana untuk penyelidikan sambil mengekalkan privasi.

### 8.3 Penyelenggaraan Prediktif IoT Industri

- **Masalah**: Data getaran mesin boleh mendedahkan butiran proses proprietari.  
- **Penyelesaian**: Gerbang edge menyulitkan aliran sensor, mengagregat model kemerosotan global, dan mensintesis senario kegagalan untuk melatih AI penyelenggaraan tanpa mendedahkan tanda tangan spesifik loji.

## 9. Arah Masa Depan

- **HE Pasca‑Kuantum** – Terokai skema berasaskan kisi yang tahan terhadap serangan kuantum (contoh, TFHE) untuk pematuhan jangka panjang.  
- **Kemas Kini Polisi Dinamik** – Integrasikan penulisan polisi berasaskan LLM yang menyesuaikan diri dengan peraturan baru secara masa nyata.  
- **Kolaborasi Edge‑ke‑Edge** – Benarkan perkongsian data sintetis peer‑to‑peer secara langsung tanpa pengagregat pusat, mengurangkan latensi lebih jauh.  
- **Lapisan Kebolehjelasan** – Lampirkan metadata provenance pada setiap rekod sintetis, membolehkan auditor hiliran menjejaki kembali ke nod edge penyumbang dan keputusan polisi.

## 10. Kesimpulan

Penjanaan data sintetis edge teragih yang selamat menggabungkan **kriptografi maju**, **tadbir urus zero‑trust**, dan **AI teragih** untuk menyelesaikan dilema mendesak: bagaimana membuka nilai data sambil mematuhi peraturan dan melindungi privasi. Dengan mengikuti seni bina dan panduan pelaksanaan yang digariskan di atas, organisasi dapat:

- Menyebarkan **paip yang melindungi privasi** pada skala.  
- Memenuhi **kewajipan peraturan** tanpa pemindahan data yang mahal.  
- Mempercepat **inovasi AI** pada edge dengan set data sintetis berkualiti tinggi.

Perpaduan enkripsi homomorfik dan pembelajaran teragih masih baru, tetapi peta jalan jelas—laburkan sekarang, buat prototaip pada perkakasan edge, dan letakkan organisasi anda di barisan hadapan AI yang bertanggungjawab.

## Lihat Juga

- [Enkripsi Homomorfik untuk Pembelajaran Mesin – Dokumentasi Microsoft SEAL](https://github.com/microsoft/SEAL)
- [Senibina Zero‑Trust – NIST SP 800‑207](https://csrc.nist.gov/publications/detail/sp/800-207/final)
- [Pembelajaran Teragih: Cabaran, Kaedah, dan Arah Masa Depan – IEEE Access 2023](https://ieeexplore.ieee.org/document/xxxxxx)
- [Open Policy Agent (OPA) – Platform Polisi‑sebagai‑Kod](https://www.openpolicyagent.org/)