《新科学家》称，先进的加密方法可以解决互联网隐私问题

当今使用互联网最可怕的部分是难以维护隐私。在不被任何人窃取的情况下共享您的数据几乎是不可能的。这种情况一直是技术大师们非常关心的问题。这就是为什么他们正在寻找安全且符合道德的数据共享方式。这种情况除了个人隐私的丧失和攻击之外，造成的危害更大。它还阻碍了治理、网络犯罪检测和对自然灾害的快速响应的发展。

但现在这个困境有一个解决方案。根据新科学家，先进的加密方法可以减少使用大数据时隐私泄露的挑战。它还将为在每个应用领域毫无问题地使用大数据铺平道路。此外，这种尖端的数据加密方法将有助于保护敏感信息。

数据是许多人成功的关键

数据在我们周围发生的一切事情中的重要性怎么强调都不为过。它在经济的所有部门甚至我们的个人生活中发挥着重要作用。许多科技公司更注重收集和利用数据来实现其目标。例如，他们分析通过互联网收集的信息，通过有针对性的广告来规划营销活动。

数据的使用也关系到我们的健康和安全。它使我们保持健康，并提供在自然灾害中生存的方法。数据还可以帮助学生做出教育决策。但为了充分利用数据，必须收集和分析更多数据。

数据在打击网络犯罪方面也发挥着重要作用。这在医学领域也很重要。雅克·费莱博士表示，通过人工智能技术分析数据，可以为人类的健康问题提供解决方案。

所有这些都表明原始数据在生活的各个领域都至关重要。所以，我们应该保护它。原始数据包含敏感细节，可能会在网络犯罪分子手中造成伤害。这就是为什么每个人都必须携起手来保护和保密它。

允许数据在没有保护的情况下流动存在很多危险。例如，犯罪分子可以收集数据并使用它们来识别他们想要的任何个人。此外，他们还可以将数据出售给经纪人并暴露人们的隐私。

迄今为止的数据加密之旅

多年来，人们进行了许多尝试来寻找保护数据的方法。其中之一是差分隐私方法。根据我们的消息来源，使用差分隐私方法在一定程度上是有效的。这是因为它通过统计技术在答案中加入错误，以迷惑试图收集信息的人们。但仍然存在一些漏洞，因为它没有保护数据。

然而，另一种称为“同态加密”的方法已得到改进，以确保更好的数据隐私。这种方法从 1978 年就开始使用了。现在，对其进行了很多改进，将其优化为“完全同态加密”。这种方法在过去30年里一直在发展。

根据美国国防高级研究计划局的说法，这种 FHE 充满希望和无限的机会。此外，2009年，斯坦福大学博士Craig Gentry在进一步改进FHE处理方面取得了又一突破。有了这些发现，IBM 现在推出了使用人工智能的 FHE 工具，通过 AI 神经网络检测网络犯罪。

数据隐私的最佳方法

尽管全同态加密对数据隐私更好，将其与安全多方计算 (SMC)更好。任何组织都无法再使用这两种方法访问医疗数据。这种方法将部分医疗数据连接在一起，使它们无法检索。该技术已在瑞士的大学医院投入使用，以保护共享患者数据的过程。

但使用这种组合方法存在挑战。这加密方式复杂，因此，与处理未加密的数据相比，数据处理速度慢 100,000 倍。