
# Bezpečná viacstranná spolupráca na syntetických dátach s homomorfným šifrovaním

V ére, keď modely AI založené na dátach predstavujú konkurenčnú výhodu, **syntetické dáta** sa objavili ako silná alternatíva k zdieľaniu reálnych záznamov. Keď však viacero strán potrebuje **spoluvytvárať** syntetické dátové sady – napríklad pri medziodvetvovom výskume v oblasti zdravia, federovaných finančných analytikách alebo spoločných simuláciách autonómnych vozidiel – stávajú sa súkromie, regulačný súlad a dôvera hlavnými prekážkami.

Tento článok predstavuje **rámec pre spoluprácu zachovávajúcu súkromie**, ktorý spája tri špičkové koncepty:

1. **Homomorfné šifrovanie (HE)** – umožňuje výpočty na šifrovaných dátach bez dešifrovania.  
2. **Bezpečné viacstranné výpočty (SMPC)** – rozdeľuje kryptografické úlohy medzi účastníkov tak, že žiadny uzol nevidí surové vstupy.  
3. **Architektúra Zero‑Trust (ZTA)** – predpokladá, že každý sieťový prvok je nedôveryhodný, kým sa nepreukáže opak, a vynucuje nepretržité overovanie a princíp najmenších oprávnení.

Spoločne tvoria **Zero‑Trust Synthetic Data Marketplace (ZT‑SDM)**, ktorý organizáciám umožňuje spoločne trénovať generatívne modely, overovať syntetické výstupy a vymieňať dátové aktíva, pričom podkladové súkromné dáta zostávajú neviditeľné pre všetky strany – vrátane prevádzkovateľa trhu.

---

## Prečo existujúce riešenia nedostačujú

| Existujúci prístup | Hlavná obmedzenie |
|--------------------|-------------------|
| **Centralizované pipeline syntetických dát** | Vyžaduje dôveryhodné dátové jazero; jediný únik môže odhaliť surové vstupy. |
| **Federované učenie s agregáciou modelov** | Zdieľa len aktualizácie modelu, nie samotné syntetické dáta; koncoví spotrebitelia stále musia požiadať o surové dáta na validáciu. |
| **Iba diferencovaná ochrana (DP)** | Pridáva štatistický šum, ktorý môže znížiť užitočnosť, najmä pri vysokodimenzionálnych dátach. |
| **Iba SMPC pipeline** | Veľká komunikácia; škálovanie na veľké generatívne modely (napr. difúzne alebo LLM) je nepraktické. |

**ZT‑SDM** rieši tieto medzery tým, že **šifruje celý proces generovania dát**, pričom stále umožňuje **reálnu spätnú väzbu o kvalite** a **auditné stopy**.

---

## Architektonický prehľad

Nižšie je vysoká úroveň diagramu Mermaid, ktorý zachytáva tok šifrovaných dát, výpočtov a verifikácie medzi zúčastnenými uzlami.

```mermaid
graph TD
    subgraph "Účastník A"
        A1["Surové dáta A"]
        A2["HE Šifrovateľ"]
    end
    subgraph "Účastník B"
        B1["Surové dáta B"]
        B2["HE Šifrovateľ"]
    end
    subgraph "Orchestrátor"
        O1["Služba správy kľúčov (KMS)"]
        O2["Bezpečný výpočtový engine"]
        O3["Engine politiky Zero‑Trust"]
        O4["Služba auditných logov"]
    end
    subgraph "Spotrebiteľ"
        C1["Spotrebiteľ syntetických dát"]
    end

    A1 --> A2
    B1 --> B2
    A2 --> O2
    B2 --> O2
    O2 --> O3
    O3 --> O4
    O2 --> C1
    O4 --> C1
```

**Kľúčové komponenty**:

- **HE Šifrovateľ** (pre každého účastníka) transformuje surové záznamy na šifrový text pomocou **zdieľaného verejného kľúča**.  
- **Služba správy kľúčov (KMS)** uchováva **súkromný dešifrovací kľúč** v hardvérovo zabezpečenom enclave; kľúč nikdy neopustí orchestrátor.  
- **Bezpečný výpočtový engine** spúšťa generatívny model (napr. difúzny model) **priamo na šifrovacom texte** pomocou HE‑kompatibilných jadier.  
- **Engine politiky Zero‑Trust** overuje každú požiadavku (čítanie dát, inferencia modelu, export auditu) podľa dynamických politík odvodených od regulačných rámcov ([GDPR](https://gdpr.eu/), [HIPAA](https://www.hhs.gov/hipaa/index.html), [CCPA](https://oag.ca.gov/privacy/ccpa)).  
- **Služba auditných logov** zaznamenáva nemenné, odolné proti manipulácii logy (voliteľne ukotvené v blockchaine) pre overovanie súladu.

---

## Krok‑za‑krokovým pracovným tokom

### 1. Registrácia a definícia politík
1. Každá organizácia sa zaregistruje na trhu a nahrá **metadáta** (dátové domény, citlivostné značky, jurisdikciu).  
2. **Engine politiky Zero‑Trust** automaticky vygeneruje **matricu politík**, ktorá mapuje povolené operácie (napr. „generovať syntetické zdravotné záznamy len pre výskum“) na kryptografické obmedzenia.

### 2. Výmena kľúčov a šifrovanie
- Účastníci dostanú **verejný HE kľúč** od KMS.  
- Surové dátové sady sa šifrujú lokálne; šifrový text nikdy neopustí periméter účastníka.

### 3. Distribuované trénovanie modelu (s podporou SMPC)
- Orchestrátor spustí **SMPC protokol**, ktorý rozdelí aktualizácie váh generatívneho modelu medzi účastníkov.  
- Každý uzol vykoná **šifrovaný výpočet gradientov** na svojom šifrovacom texte a potom zdieľa **maskované čiastočné výsledky**.  
- KMS agreguje maskované aktualizácie, dešifruje len **agregát**, a následne znovu zašifruje nové parametre modelu pre ďalšiu iteráciu.

### 4. Generovanie syntetických dát
- Spotrebitelia požadujú syntetické vzorky cez **API kontrolované politikou**.  
- Bezpečný výpočtový engine spúšťa model **homomorfne**, čím vytvára **šifrované syntetické záznamy**.  
- KMS dešifruje finálny výstup **práve v čase** pre spotrebiteľa a okamžite vymaže súkromný kľúč z pamäte.

### 5. Kontinuálny audit a spätná väzba
- Každá požiadavka, výpočet a dešifrovacia udalosť sa zaznamená do **Služby auditných logov**.  
- Audítori môžu dotazovať logy pomocou **zero‑knowledge dôkazov**, aby overili súlad bez zobrazenia surových dát.  
- Spotrebitelia môžu poskytnúť **spätnú väzbu o užitočnosti** (napr. štatistické podobnosti), ktorá sa pod šifrou vkladá späť do trénovacieho cyklu.

---

## Technický pohľad: Výber homomorfného šifrovania

| Schéma | Veľkosť šifrového textu | Podporované operácie | Typické použitie |
|--------|------------------------|----------------------|------------------|
| **BFV** | Stredná | Celé čísla, sčítanie, násobenie | Tabulkové syntetické dáta |
| **CKKS** | Väčšia | Aproximačná aritmetika, floating‑point | Difúzne alebo video modely |
| **TFHE** | Malá | Binárne brány, bootstrapping | Binárna logika pre koordináciu SMPC |

Pre väčšinu syntetických dátových pipeline je **CKKS** najvhodnejší, pretože generatívne modely silne závisia od operácií s pohyblivou desatinnou čiarkou. Náklady na bootstrapping je možné znížiť **vrstvovým relinearizačným technikám** a **ladením parametrov** podľa cieľovej dimenzionality dát.

---

## Engine politiky Zero‑Trust: Dynamické vynucovanie

Engine vyhodnocuje tri dimenzie každej požiadavky:

1. **Identita** – overená pomocou decentralizovaných identifikátorov (DIDs) a overiteľných poverení.  
2. **Kontext** – zahŕňa IP pôvodu, stav zariadenia a čas dňa.  
3. **Zámer** – odvodený z API payloadu (napr. „generovať 10 k syntetických pacientskych záznamov pre onkologický výskum“).

Príklad **pravidla politiky**:

```
IF requester.role == "researcher"
AND data.domain == "healthcare"
AND jurisdiction == "EU"
THEN allow HE‑generation WITH differential‑privacy epsilon=0.5
ELSE deny
```

Keďže samotné pravidlo neobsahuje surové dáta, môže byť vyhodnotené **mimo šifrovaného doménu**, čo zachováva výkon.

---

## Výhody pre súlad a audit

| Regulácia | Ako ZT‑SDM pomáha |
|-----------|-------------------|
| **GDPR Art. 32** (Bezpečnosť spracovania) | Dáta sa nikdy neobjavujú v plaintext mimo pôvodnú organizáciu; kľúče sú hardvérovo chránené. |
| **HIPAA §164.312(e)(1)** (Šifrovanie) | End‑to‑end HE spĺňa požiadavku „šifrovanie“; auditné logy poskytujú dôkaz o „kontrole prístupu“. |
| **CCPA §1798.150** (Právo vedieť) | Spotrebitelia môžu požiadať o **správu pôvodu syntetických dát**, generovanú z nemenných logov, bez odhalenia surových vstupov. |
| **ISO 27001 A.12.4** (Logovanie) | Nemenné, odolné proti manipulácii logy uložené v append‑only úložisku; voliteľné ukotvenie v blockchaine pre extra integritu. |

---

## Optimalizácie výkonu

1. **Hybridné HE/SMPC** – Použiť SMPC pre **počiatočnú agregáciu váh** (nízka presnosť) a prepnúť na HE pre **finálnu generáciu s vysokou presnosťou**.  
2. **Batching a Packing** – Zakódovať viacero riadkov dát do jedného šifrovacieho slotu (CKKS packing) a tak amortizovať náklady na šifrovanie.  
3. **Edge‑Offload** – Nasadiť ľahké HE jadrá na edge zariadenia účastníkov na predbežné spracovanie, čím sa zníži objem siete.  
4. **Cache‑ovateľné šifrované modely** – Ukladať šifrované checkpointy v **content‑addressable storage** a znovu ich používať v rôznych spoluprácach.

---

## Reálne príklady použitia

### A. Medzinárodný klinický výskum
- **Problém**: Nemocnice nemôžu zdieľať pacientské záznamy kvôli **HIPAA**, ale potrebujú spoločnú syntetickú kohortu pre výskum zriedkavých chorôb.  
- **Riešenie**: Každá nemocnica zašifruje svoje EHR dáta, zúčastní sa na SMPC‑asistovanom trénovaní modelu a dostane syntetickú dátovú sadu, ktorá odráža kombinovanú populáciu bez odhalenia PHI.

### B. Spoločné finančné modelovanie rizík
- **Problém**: Konkurujúce banky potrebujú zdieľať transakčné dáta na odhaľovanie systémových podvodov, ale antitrustové zákony zakazujú výmenu surových dát.  
- **Riešenie**: Banky zašifrujú transakčné logy, spoločne trénujú syntetický model podvodov a zdieľajú syntetické výstupy s regulátormi pre dohľad.

### C. Simulácie autonómnych vozidiel
- **Problém**: Viacerí výrobcovia musia mať rozmanité jazdné scenáre, no nesmú odhaliť proprietárne senzorové záznamy.  
- **Riešenie**: Výrobcovia zašifrujú LiDAR a kamerové streamy, spoločne trénujú difúzny generátor scén a získavajú syntetické jazdné situácie, ktoré zachovávajú okrajové prípady.

---

## Kontrolný zoznam implementácie

- [ ] **Vybrať HE schému** (CKKS sa odporúča pre floating‑point úlohy).  
- [ ] **Zriadiť KMS** s hardvérovým bezpečnostným modulom (HSM) a definovať politiku rotácie kľúčov.  
- [ ] **Integrovať DID‑založenú identitu** pre každého účastníka.  
- [ ] **Definovať Zero‑Trust politiky** pomocou policy‑as‑code (napr. Open Policy Agent).  
- [ ] **Nasadiť SMPC orchestráciu** (napr. MP‑SPDZ alebo CrypTen).  
- [ ] **Nasadiť nemenný auditný log** (napr. Amazon QLDB alebo privátny blockchain).  
- [ ] **Spustiť benchmarky výkonu** pre latenciu a priepustnosť šifrovaného inferencovania.  
- [ ] **Vykonať validáciu súladu** s právnym tímom a externými audítormi.

---

## Budúce smerovanie

1. **Federované diferencované súkromie** – Kombinovať HE s DP, aby sa po dešifrovaní pridala kalibrovaná vrstva šumu a ešte viac znížila šanca na reidentifikáciu.  
2. **Kvantovo‑odolné HE** – Preskúmať schémy založené na mriežkach, ktoré zostanú bezpečné aj proti postkvantovým útočníkom.  
3. **AI‑riadená adaptácia politík** – Použiť reinforcement learning na automatické sprísňovanie alebo uvoľňovanie politík na základe pozorovanej rovnováhy medzi užitočnosťou a súkromím.  
4. **Monetizácia trhu** – Zaviesť token‑založené incentívy pre účastníkov, ktorí prispievajú vysokokvalitnými šifrovanými dátami, s inteligentnými kontraktmi zabezpečujúcimi rozdelenie príjmov.

---

## Záver

Prepojením **homomorfného šifrovania**, **bezpečných viacstranných výpočtov** a **principov zero‑trust** do jedného auditovateľného pracovného toku môžu organizácie konečne **spolupracovať na syntetických dátach** bez kompromitovania súkromia ani regulačného súladu. Zero‑Trust Synthetic Data Marketplace tak otvára nové možnosti AI naprieč odvetviami a zároveň stanovuje nový štandard pre **dôveryhodné dátové ekosystémy**.

---

## Pozri tiež
- [Open Policy Agent (OPA) – Policy as Code](https://www.openpolicyagent.org)  
- [MP‑SPDZ – Multi‑Party Computation Framework](https://github.com/data61/MP-SPDZ)  
- [Zero Trust Architecture – NIST SP 800‑207](https://csrc.nist.gov/publications/detail/sp/800-207/final)