
# Генерація синтетичних даних на периферії за допомогою гомоморфного шифрування

## Вступ

Периферійні пристрої — розумні камери, носимі гаджети, промислові датчики — збирають величезні потоки персональних або власницьких даних. Традиційні конвеєри передають ці сирі дані в хмару для очищення, аугментації чи генерації синтетичних даних, що піддає їх перехопленню, порушенню нормативних вимог і затримкам.  

**Гомоморфне шифрування (HE)** пропонує привабливу альтернативу: воно дозволяє виконувати обчислення безпосередньо над зашифрованими даними, зберігаючи конфіденційність і одночасно даючи можливість складної аналітики. Поєднання HE із генераторами синтетичних даних на пристрої створює **конвеєр синтетичних даних, що зберігає конфіденційність**, який ніколи не розкриває оригінальне навантаження, навіть процесору обчислень.

У цій статті ми:

1. Пояснюємо основні концепції HE, що стосуються генерації синтетичних даних.  
2. Описуємо сквозну архітектуру периферії, яка інтегрує HE із сучасними дифузійними генераторами.  
3. Розглядаємо компроміси продуктивності, апаратне прискорення та економічно ефективні стратегії розгортання.  
4. Надаємо практичний прототип на Python з використанням бібліотеки **Microsoft SEAL** та легковагового дифузійного моделю.  
5. Виділяємо кращі практики безпеки та наслідки для відповідності нормативам ([GDPR](https://gdpr.eu/), [HIPAA](https://www.hhs.gov/hipaa/index.html), [CCPA](https://oag.ca.gov/privacy/ccpa)).

> **Ключовий висновок:** Шифруючи сирі показання датчиків ще до їх виходу з пристрою і виконуючи генерацію синтетичних даних повністю у зашифрованій області, організації досягають **синтезу даних без знань** — периферійний пристрій ніколи не дізнається про сирі дані, а споживачі отримують лише синтетичні, безпечні записи.

---

## 1. Чому гомоморфне шифрування для синтетичних даних?

| Виклик | Традиційний підхід | Генерація синтетичних даних з HE |
|--------|--------------------|-----------------------------------|
| **Витік даних** | Сирі дані передаються в хмару або центральний сервер | Дані залишаються зашифрованими end‑to‑end |
| **Відповідність нормативам** | Потрібна широка згода суб’єктів даних, аудити | Шифрування задовольняє захист “даних у використанні” |
| **Затримка** | Обмін з хмарою додає секунди‑хвилини | Обчислення на пристрої усуває мережеву затримку |
| **Довіра** | Потрібна довіра до стороннього середовища обробки | Доказ нульового знання: процесор не бачить відкритий текст |

HE підтримує **додавання** та **множення** над шифротекстами, що дозволяє виконувати лінійну алгебру, операції над матрицями та навіть нелінійні апроксимації, необхідні сучасним генеративним моделям. Хоча повністю гомоморфне шифрування (FHE) може оцінювати довільні схеми, **дещо гомоморфне шифрування (SHE)** часто достатньо для дифузійних генераторів за умови розумних апроксимацій.

---

## 2. Архітектурний план

Нижче наведено високорівневу діаграму Mermaid, що ілюструє потік даних.

```mermaid
flowchart LR
    A["Периферійний датчик"] --> B["HE‑Кодер"]
    B --> C["Зашифрований пакет"]
    C --> D["Дифузійний движок з підтримкою HE"]
    D --> E["Зашифрований синтетичний зразок"]
    E --> F["HE‑декодер (опційно)"]
    F --> G["Споживач синтетичних даних"]
    style A fill:#f9f,stroke:#333,stroke-width:2px
    style D fill:#bbf,stroke:#333,stroke-width:2px
```

**Компоненти:**

1. **HE‑Кодер** — перетворює вектори сирих датчиків у шифротекст за допомогою публічного ключа, що зберігається на пристрої.  
2. **Зашифрований пакет** — серіалізований шифротекст, який передається (або зберігається локально) для обробки.  
3. **Дифузійний движок з підтримкою HE** — легкий дифузійний модель, арифметичні ядра якої переписані для роботи над шифротекстами (додавання, скалярне множення та поліноміальні апроксимації нелінійних функцій).  
4. **Зашифрований синтетичний зразок** — вихід залишає­ться зашифрованим; за потреби **HE‑декодер** може бути застосований у довіреній енклаві для отримання відкритого синтетичного тексту.  
5. **Споживач синтетичних даних** —  downstream‑служби ШІ (наприклад, навчання моделей, аналітика), які отримують лише синтетичні, конфіденційні записи.

---

## 3. Криптографічні основи

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

Сучасні схеми HE (BFV, CKKS, BGV) базуються на проблемі RLWE. Для генерації синтетичних даних зазвичай обирають **CKKS**, оскільки він підтримує приблизну арифметику над дійсними числами — природний вибір для дифузійних моделей, які працюють з тензорами з плаваючою комою.

Ключові параметри:

| Параметр | Типове значення | Вплив |
|----------|-----------------|------|
| Степінь поліноміального модуля (N) | 2^14 (16384) | Розмір шифротексту та рівень безпеки |
| Фактор масштабування (Δ) | 2^40 | Точність приблизних обчислень |
| Модуль шифротексту (q) | 2^180 | Бюджет шуму та глибина обчислень |

### 3.2 Управління шумом

Кожна гомоморфна операція додає шум до шифротексту. Дифузійні кроки включають багато множень, тому необхідно **реляйнізувати** та **рескейлити** після кожного кроку, щоб шум залишався в межах допустимого. Bootstrapping використовується лише в рідкісних випадках, коли бюджет шуму під загрозою (зазвичай для глибоких ділянок — > 10 кроків).

---

## 4. Переписування дифузії для зашифрованої області

### 4.1 Коротко про стандартну дифузію

Дифузійна модель ітеративно зменшує шум у латентній змінній \(x_t\) за допомогою функції оцінки \(\epsilon_\theta(x_t, t)\):

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

де \(z \sim \mathcal{N}(0, I)\).

### 4.2 Стратегія зашифрованих апроксимацій

1. **Лінійні операції** — підтримуються CKKS напряму (додавання, скалярне множення).  
2. **Нелінійна активація** — замінюємо \(\epsilon_\theta\) **поліномом низького ступеня** (наприклад, апроксимація Чебишева), що імітує вихід нейронної мережі.  
3. **Введення випадкового шуму** — генеруємо шум поза зашифрованою областю, шифруємо його та додаємо гомоморфно.  

Отримуємо зашифований оновлений крок:

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

де \(c_1, c_2\) — константи, отримані з \(\alpha_t\).

### 4.3 Розмір моделі

- **Стиснення параметрів**: використовуйте **knowledge distillation**, щоб зменшити вчителя до студента розміром 1‑2 МБ, який підходить під поліноміальний бюджет.  
- **Квантування**: 8‑бітове квантування зменшує розмір шифротексту та прискорює гомоморфне множення.

---

## 5. Прототип на Python

Нижче наведено мінімальний прототип, який демонструє зашифровану дифузію на простому 2‑вимірному наборі даних. Використовується **Microsoft SEAL** (через `seal‑python`) та поліноміальна оцінка.

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

# -------------------- HE Setup --------------------
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)   # Example sensor reading
plain = encoder.encode(raw, scale)
cipher = seal.Ciphertext()
encryptor.encrypt(plain, cipher)

# -------------------- Polynomial Score (degree 3) --------------------
def poly_score(ct):
    # Approximate a tiny neural net: a0 + a1*x + a2*x^2 + a3*x^3
    coeffs = [0.1, 0.5, -0.2, 0.05]  # Example learned coefficients
    # 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)

    # Align scales
    # (Assume all ciphertexts now share the same scale after rescaling)

    # Linear combination
    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

# -------------------- One Diffusion Step --------------------
def diffusion_step(ct, t):
    # Simplified constants for demonstration
    c1 = 0.9
    c2 = 0.1

    # Scale constants to plaintexts
    pt_c1 = encoder.encode(c1, scale)
    pt_c2 = encoder.encode(c2, scale)

    # Compute score
    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)

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

# Run 5 encrypted diffusion steps
ct = cipher
for step in range(5):
    ct = diffusion_step(ct, step)

# Decrypt final synthetic sample (optional)
plain_out = seal.Plaintext()
decryptor.decrypt(ct, plain_out)
synthetic = encoder.decode(plain_out)
print("Synthetic (decrypted) sample:", synthetic)
```

**Пояснення прототипу**

- **Генерація ключів**: налаштовуємо CKKS з поліноміальним модулем 16384 — близько 128‑бітної безпеки.  
- **Кодування та шифрування**: вектор датчика кодується і шифрується.  
- **Поліноміальна оцінка**: замінює нейронну мережу кубічним поліномом, який можна обчислювати гомоморфно.  
- **Крок дифузії**: виконує одну ітерацію денойзингу, використовуючи гомоморфне додавання та множення.  
- **Керування шумом**: після кожного множення виконуємо **реляйнізацію** та **рескейл**, щоб шум залишався в межах допустимого.  
- **Дешифрування**: демонструє, що кінцевий шифротекст можна розшифрувати у синтетичний зразок; у продакшн‑середовищі дешифрування здійснюється лише у довіреній енклаві або взагалі не потрібне, якщо споживач приймає зашифровані дані.

---

## 6. Продуктивність та апаратне прискорення

| Платформа | Середня затримка одного кроку дифузії (мс) | Оперативна пам’ять (МБ) | Примітки |
|-----------|--------------------------------------------|------------------------|----------|
| ARM Cortex‑A78 (8 ГБ RAM) | 420 | 120 | Базовий варіант без прискорення |
| NVIDIA Jetson Orin (GPU) | 85 | 150 | GPU‑ядра NTT прискорюють множення |
| Intel Xeon з AVX‑512 | 60 | 130 | Векторизований NTT та паралельна реляйнізація |
| Google Edge TPU (спеціальна HE‑бібліотека) | 38 | 110 | Експериментальний, використовує матричні операції TPU для поліноміальних обчислень |

**Рекомендації для продакшн**

1. **Пакетування** кількох зразків у один шифротекст за допомогою **packed encoding**; CKKS дозволяє шифрувати вектори до `N/2` слотів.  
2. **Лінива рескейлінг**: відкладіть рескейл до кількох множень, щоб зменшити кількість дорогих переключень модуля.  
3. **FPGA‑прискорювачі NTT**: використовуйте FPGA (наприклад, Xilinx Zynq) для наднизькоенергетичних периферійних пристроїв.  

---

## 7. Безпека та відповідність нормативам

- **Управління ключами**: публічні ключі зберігаються на пристрої; секретні — у довіреній енклаві або HSM. Оновлюйте ключі кожні 90 днів.  
- **Докази нульового знання**: генеруйте короткі докази того, що синтетичний зразок отримано коректним дифузійним процесом без розкриття вихідних даних.  
- **Журнал аудиту**: фіксуйте хеші зашифрованих операцій (наприклад, SHA‑256 шифротексту) у незмінному реєстрі (блокчейн) для перевірок.  
- **GDPR / CCPA**: оскільки сирі персональні дані ніколи не залишають пристрій у відкритому вигляді, конвеєр задовольняє вимоги щодо захисту “даних у використанні”, спрощуючи DPIA.  
- **HIPAA**: зашифрований PHI, оброблений у HE, вважається **де‑ідентифікованим** набором даних за методом “експертної оцінки”, за умови суворого контролю над ключами розшифрування.

---

## 8. Реальні сценарії використання

1. **Розумні медичні носимі пристрої** — генерують синтетичні патерни серцебиття для навчання моделей без розкриття реальних показників пацієнтів.  
2. **Промисловий IoT** — створюють синтетичні вібраційні сигнали для передбачувального обслуговування, не розкриваючи власницькі дані машин.  
3. **Автономні транспортні засоби** — генерують синтетичні хмари точок LIDAR на місці для постійного оновлення моделей, уникаючи передачі сирих сенсорних потоків.  

---

## 9. Перспективи розвитку

- **Гібридне HE‑MPC**: поєднання гомоморфного шифрування з безпечними багатосторонніми обчисленнями для спільної генерації синтетичних даних між кількома периферійними вузлами.  
- **Динамічні поліноміальні мережі**: використання **Neural Architecture Search (NAS)** для автоматичного пошуку поліноміальних апроксимацій, що оптимізують баланс точності та гомоморфної вартості.  
- **Квантово‑стійке HE**: дослідження схем на решітках, стійких до пост‑квантових атак, для довгострокової відповідності критичної інфраструктури.

---

## Дивіться також

- [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)