
# Homomorfik Şifreleme ile Güvenli Çok Taraflı Sentetik Veri İşbirliği

Veri‑odaklı AI modellerinin rekabet avantajı haline geldiği bir dönemde, **sentetik veri** gerçek dünya kayıtlarını paylaşmanın güçlü bir alternatifi olarak ortaya çıkmıştır. Ancak, birden fazla tarafın **ortak sentetik veri setleri oluşturması** gerektiğinde — örneğin sektörler arası sağlık araştırmaları, birleşik finans analizleri veya ortak otonom araç simülasyonları — gizlilik, yasal uyumluluk ve güven büyük engeller haline gelir.

Bu makale, üç kesintisiz yenilikçi kavramı birleştiren bir **gizlilik‑korumalı işbirliği çerçevesi** sunar:

1. **Homomorfik Şifreleme (HE)** – şifrelenmiş veri üzerinde şifre çözmeden hesaplama yapılmasını sağlar.  
2. **Güvenli Çok‑Taraflı Hesaplama (SMPC)** – kriptografik iş yüklerini katılımcılar arasında dağıtarak hiçbir tek düğümün ham girdileri görmesini engeller.  
3. **Sıfır‑Güven Mimarisi (ZTA)** – her ağ unsurunun güvenilmez olduğu varsayımını benimseyerek sürekli doğrulama ve en az ayrıcalıklı erişim uygular.

Birlikte, **Sıfır‑Güven Sentetik Veri Pazarı (ZT‑SDM)** adlı bir sistem oluştururlar; bu sistem, kuruluşların üretken modelleri ortak olarak eğitmesini, sentetik çıktıları doğrulamasını ve veri varlıklarını değiş tokuş etmesini sağlar; aynı zamanda temel özel verileri tüm taraflar — pazar operatörü dahil — için görünmez kılar.

---

## Mevcut Çözümlerin Neden Yetersiz Olduğu

| Mevcut Yaklaşım | Temel Sınırlama |
|-------------------|-----------------|
| **Merkezileşmiş sentetik veri boru hatları** | Güvenilir bir veri gölü gerektirir; tek bir ihlal ham girdileri ortaya çıkarabilir. |
| **Model toplama ile federated learning** | Yalnızca model güncellemelerini paylaşır, sentetik veriyi değil; son kullanıcılar hâlâ doğrulama için ham veri talep eder. |
| **Yalnızca Diferansiyel Gizlilik (DP)** | İstatistiksel gürültü ekler ve özellikle yüksek boyutlu verilerde faydayı azaltabilir. |
| **Sadece SMPC boru hatları** | Ağ iletişimi maliyeti yüksektir; büyük üretken modellerin (ör. difüzyon modelleri veya LLM’ler) ölçeklendirilmesi pratik değildir. |

**ZT‑SDM**, **tam veri üretim boru hattını şifreleyerek** aynı zamanda **gerçek zamanlı kalite geri bildirimi** ve **denetim izleri** sunarak bu boşlukları doldurur.

---

## Mimari Genel Bakış

Aşağıda, şifreli veri, hesaplama ve doğrulamanın katılımcı düğümler arasında akışını gösteren yüksek seviyeli bir Mermaid diyagramı yer almaktadır.

```mermaid
graph TD
    subgraph "Participant A"
        A1["Raw Data A"]
        A2["HE Encryptor"]
    end
    subgraph "Participant B"
        B1["Raw Data B"]
        B2["HE Encryptor"]
    end
    subgraph "Orchestrator"
        O1["Key Management Service"]
        O2["Secure Compute Engine"]
        O3["Zero‑Trust Policy Engine"]
        O4["Audit Log Service"]
    end
    subgraph "Consumer"
        C1["Synthetic Data Consumer"]
    end

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

**Temel bileşenler**:

- **HE Şifreleyici** (her katılımcı için) ham kayıtları **ortak bir açık anahtar** kullanarak şifreli metne dönüştürür.  
- **Anahtar Yönetim Servisi (KMS)**, **özel deşifre anahtarını** donanım‑güvenli bir enclave içinde saklar; anahtar asla orkestratör dışına çıkmaz.  
- **Güvenli Hesaplama Motoru**, üretken modeli (ör. bir difüzyon modeli) **doğrudan şifreli metin üzerinde** HE‑uyumlu çekirdekler aracılığıyla çalıştırır.  
- **Sıfır‑Güven Politika Motoru**, her isteği (veri okuma, model çıkarımı, denetim dışa aktarımı) GDPR, HIPAA, CCPA gibi düzenleyici çerçevelerden türetilen dinamik politikalara göre doğrular.  
- **Denetim Günlüğü Servisi**, değiştirilemez, tahribata dayanıklı günlükleri (isteğe bağlı blokzincir bağlantısı) uyumluluk doğrulaması için kaydeder.

---

## Adım‑Adım İş Akışı

### 1. Katılım ve Politika Tanımlama
1. Her kuruluş, **metadata** (veri alanları, hassasiyet etiketleri, yargı bölgesi) yükleyerek pazara kaydolur.  
2. **Sıfır‑Güven Politika Motoru**, “araştırma amaçlı sentetik sağlık kayıtları üret” gibi izin verilen işlemleri kriptografik kısıtlamalarla eşleştiren bir **politika matrisi** otomatik olarak oluşturur.

### 2. Anahtar Değişimi ve Şifreleme
- Katılımcılar, KMS’den **genel HE anahtarı** alır.  
- Ham veri setleri yerel olarak şifrelenir; şifreli metin katılımcının sınırlarından dışarı çıkmaz.

### 3. Dağıtık Model Eğitimi (SMPC‑Destekli)
- Orkestratör, üretken modelin ağırlık güncellemelerini katılımcılar arasında bölüştüren bir **SMPC protokolü** başlatır.  
- Her düğüm, şifreli metni üzerinde **şifreli gradyan hesaplaması** yapar, ardından **maskelemiş kısmi sonuçları** paylaşır.  
- KMS, maskelemiş güncellemeleri birleştirir, yalnızca **toplamı** deşifre eder ve yeni model parametrelerini bir sonraki tur için yeniden şifreler.

### 4. Sentetik Veri Üretimi
- Tüketiciler, **politika‑kontrolü API** üzerinden sentetik örnekler talep eder.  
- Güvenli Hesaplama Motoru, modeli **homomorfik olarak** çalıştırarak **şifreli sentetik kayıtlar** üretir.  
- KMS, nihai çıktıyı **tam zamanlı** olarak tüketiciye deşifre eder, ardından özel anahtarı bellekten hemen siler.

### 5. Sürekli Denetim ve Geri Bildirim
- Her istek, hesaplama ve deşifre olayı **Denetim Günlüğü Servisi**’ne kaydedilir.  
- Denetçiler, **sıfır‑bilgi kanıtları** kullanarak uyumluluğu doğrulamak için günlükleri sorgulayabilir; ham veriyi görmezler.  
- Tüketiciler, **istatistiksel benzerlik skorları** gibi fayda geri bildirimleri sağlayabilir; bu geri bildirim, tamamen şifreleme altında eğitim döngüsüne geri beslenir.

---

## Teknik Derinlemesine: Homomorfik Şifreleme Seçimleri

| Şema | Şifreli Metin Boyutu | Desteklenen İşlemler | Tipik Kullanım Durumu |
|------|----------------------|----------------------|-----------------------|
| **BFV** | Orta | Tamsayı aritmetiği, toplama, çarpma | Tablo verisi sentezi |
| **CKKS** | Büyük | Yaklaşık aritmetik, kayan nokta | Görüntü/video difüzyon modelleri |
| **TFHE** | Küçük | İkili kapılar, bootstrapping | SMPC koordinasyonu için mantıksal işlemler |

Çoğu sentetik veri boru hattı için **CKKS**, üretken modellerin yoğun floating‑point matris çarpımlarına dayandığı için en iyi dengeyi sunar. Ancak **bootstrapping maliyeti**, **katman‑bazlı yeniden lineerleştirme** ve **hedef veri boyutuna göre parametre ayarı** ile azaltılabilir.

---

## Sıfır‑Güven Politika Motoru: Dinamik Uygulama

Motor, her isteği üç boyutta değerlendirir:

1. **Kimlik** – merkezi olmayan tanımlayıcılar (DID) ve doğrulanabilir kimlik belgeleri ile doğrulanır.  
2. **Bağlam** – istek kaynağı IP, cihaz durumu ve günün saati gibi bilgiler içerir.  
3. **Niyet** – API yükünden türetilir (ör. “onkoloji çalışması için 10 k sentetik hasta kaydı üret”).

Bir **politika kuralı** şu şekilde görünebilir:

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

Kural, **ham veri içermediği** için şifreli alanın dışındaki bir ortamda değerlendirilebilir; bu da performansı korur.

---

## Uyumluluk ve Denetim Avantajları

| Düzenleme | ZT‑SDM Nasıl Yardımcı Olur |
|-----------|----------------------------|
| **GDPR Madde 32** (İşleme Güvenliği) | Veri, kaynak kuruluş dışına açık metin olarak çıkmaz; anahtarlar donanım‑korumalı. |
| **HIPAA §164.312(e)(1)** (Şifreleme) | Uç‑uç HE, “şifreleme” gereksinimini karşılar; denetim günlükleri “erişim kontrolü” kanıtı sağlar. |
| **CCPA §1798.150** (Bilgi Talebi) | Tüketiciler, **sentetik veri köken raporu** talep edebilir; bu rapor değiştirilemez günlüklerden oluşturulur, ham girdileri ifşa etmez. |
| **ISO 27001 A.12.4** (Günlükleme) | Değiştirilemez, tahribata dayanıklı günlükler ek‑sadece depolama içinde tutulur; ekstra bütünlük için blokzincir bağlantısı opsiyoneldir. |

---

## Performans İyileştirmeleri

1. **Hibrit HE/SMPC** – **ilk ağırlık toplama** için SMPC, **son yüksek‑hassasiyetli üretim** için HE kullanılır.  
2. **Toplu İşleme ve Paketleme** – Birden fazla veri satırı tek bir şifreli yuva içine (CKKS paketleme) kodlanarak şifreleme maliyeti yayılır.  
3. **Uç‑Taraf İndirme** – Katılımcı uç cihazlarda hafif HE çekirdekleri çalıştırılarak veri ön‑işleme yapılır, ağ yükü azalır.  
4. **Önbellek‑lenebilir Şifreli Modeller** – Şifreli model kontrol noktaları **içerik‑adreslenebilir depolama**da saklanır; farklı işbirliklerinde yeniden kullanılabilir.

---

## Gerçek Dünya Kullanım Senaryoları

### A. Çapraz‑Kurum Sağlık Araştırması
- **Sorun**: Hastaneler, **HIPAA** nedeniyle hasta kayıtlarını paylaşamaz, ancak nadir hastalık modellemesi için ortak bir sentetik kohort gerekir.  
- **Çözüm**: Her hastane EHR verisini şifreler, SMPC‑destekli model eğitimi yapar ve tüm PHI’yi gizli tutan bir sentetik veri seti alır.

### B. Ortak Finansal Risk Modelleme
- **Sorun**: Rekabet eden bankalar, sistemik dolandırıcılık kalıplarını tespit etmek için işlem verilerini birleştirmelidir, ancak tekel yasaları ham veri alışverişini yasaklar.  
- **Çözüm**: Bankalar işlem günlüklerini şifreler, sentetik dolandırıcılık üretim modeli üzerinde ortak eğitim yapar ve düzenleyicilere denetim amaçlı sentetik çıktılar sunar.

### C. Otonom Araç Simülasyonu
- **Sorun**: Birden çok OEM, çeşitli sürüş senaryolarına ihtiyaç duyar ancak sahip oldukları sensör kayıtlarını ifşa edemez.  
- **Çözüm**: OEM’ler LiDAR ve kamera akışlarını şifreler, difüzyon‑tabanlı senaryo üreticisini ortak olarak eğitir ve özel veri gizliliğini koruyan sentetik sürüş sahneleri elde eder.

---

## Uygulama Kontrol Listesi

- [ ] **HE şemasını seç** (CKKS, floating‑point iş yükleri için önerilir).  
- [ ] **KMS’yi donanım güvenlik modülü (HSM)** ile kur ve anahtar döndürme politikasını tanımla.  
- [ ] **DID‑tabanlı kimlik doğrulamayı** her katılımcı için entegre et.  
- [ ] **Sıfır‑Güven politikalarını** kod‑olarak politika çerçevesi (örn. Open Policy Agent) ile tanımla.  
- [ ] **SMPC orkestrasyonunu** (MP‑SPDZ, CrypTen vb.) kur.  
- [ ] **Değiştirilemez denetim günlüğü** (Amazon QLDB, özel blokzincir vb.) dağıt.  
- [ ] **Şifreli model çıkarım gecikmesi ve verimliliği** için performans ölçümleri yap.  
- [ ] **Uyumluluk doğrulamasını** hukuk danışmanları ve dış denetçilerle gerçekleştir.

---

## Gelecek Yönelimleri

1. **Federated Differential Privacy** – HE sonrası kalibre edilmiş bir gürültü katmanı ekleyerek yeniden tanımlama riskini daha da azaltmak.  
2. **Kuantum‑Dirençli HE** – Kuantum saldırılarına karşı dayanıklı, ızgara‑tabanlı şema araştırmalarını keşfetmek.  
3. **AI‑Destekli Politika Uyarlaması** – Geri bildirimten öğrenen pekiştirmeli öğrenme ile fayda‑gizlilik dengesine göre politikaları otomatik olarak sıkılaştırmak veya gevşetmek.  
4. **Pazar Monetizasyonu** – Yüksek kaliteli şifreli veri katkısında bulunan katılımcılara token‑tabanlı teşvikler sunmak; akıllı sözleşmeler gelir paylaşımını otomatik olarak uygular.

---

## Sonuç

**Homomorfik şifreleme**, **güvenli çok‑taraflı hesaplama** ve **sıfır‑güven ilkeleri** tek bir denetlenebilir iş akışında birleştirilerek kuruluşların **gizlilik veya yasal uyumluluğu riske atmadan** sentetik veri üzerinde işbirliği yapmalarını mümkün kılar. Sıfır‑Güven Sentetik Veri Pazarı, sektörler arası AI fırsatlarını açığa çıkarırken **güven‑tasarımlı veri ekosistemleri** için yeni bir standart belirler.

---

## İlgili Bağlantılar
- [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)