Multi-Party Computation (MPC) adalah teknologi yang memungkinkan pemrosesan dan pembagian data yang aman antara banyak pihak tanpa satu pihak pun yang memiliki akses ke kumpulan data lengkap.
Jenis komputasi terdistribusi ini telah mendapatkan daya tarik dalam beberapa tahun terakhir, karena kegunaannya termasuk melakukan perhitungan dengan aman pada informasi identitas pribadi (PII), tanpa peserta mengakses data mentah. Untuk memastikan bahwa tidak ada satu peserta pun yang memiliki akses ke semua data, ahli kriptologi telah mengembangkan berbagai protokol yang memungkinkan pihak-pihak untuk membagi dan berbagi data terenkripsi di antara mereka sendiri.
Apa itu Perhitungan Multi-Partai?
Pada intinya, MPC adalah teknologi yang memungkinkan banyak pihak untuk menghitung data tanpa satu pihak pun yang memiliki akses ke data mentah. Mereka melakukannya dengan membagi data menjadi beberapa bagian dan mengenkripsinya sehingga tidak ada peserta yang dapat mendekripsinya sendiri.
Komponen utama MPC adalah memungkinkan perhitungan pada data terenkripsi, sehingga peserta tidak dapat melihat pihak lain melakukan perhitungan atau hasil apa yang mereka dapatkan dari proses tersebut.
Sejarah MPC
Komputasi multi-partai (MPC) pertama kali membuat gebrakan pada tahun 1970-an, ketika legenda kriptografi China Andrew Yao menciptakan Protokol Sirkuit Rusak, yang memungkinkan dua pihak untuk menghitung data tanpa mengungkapkan masukan mereka. Masalah Jutawannya memberikan contoh sederhana tentang sistem dua partai MPC.
Pada tahun 1987, protokol GMW (Goldreich–Micali–Wigderson) lahir, memungkinkan platform multi-partai yang sesungguhnya, dan pada tahun 2008 MPC memulai debutnya di dunia nyata dalam lelang penawaran tertutup bit gula Denmark yang menjaga privasi semua penawar terlibat. Ini menandai awal dari cara baru yang revolusioner untuk melakukan transaksi digital yang aman dengan banyak peserta.
Bagaimana Cara Kerja Perhitungan Multi-Partai?
MPC menggunakan teknik kriptografi seperti pembagian rahasia dan enkripsi homomorfik untuk memisahkan dan berbagi potongan data terenkripsi di antara banyak pihak. Berbagi rahasia melibatkan pemisahan sepotong informasi menjadi beberapa komponen, dengan masing-masing pihak hanya menerima satu bagian, yang berarti tidak ada dari mereka yang memiliki akses ke data lengkap. Enkripsi homomorfik digunakan untuk mengaktifkan perhitungan pada data terenkripsi, yang berarti bahwa mereka tidak memaparkan informasi sensitif dalam bentuk teks biasa.
Contoh untuk mengilustrasikan cara Kerja Komputasi Multi-Partai
Katakanlah tiga perusahaan, A, B, dan C, ingin berkolaborasi dalam sebuah proyek tetapi tidak cukup percaya satu sama lain untuk membagikan data sensitif mereka. Dengan menggunakan solusi MPC, mereka dapat dengan aman membagi data di antara mereka sendiri dan melakukan perhitungan di atasnya, tanpa satupun dari mereka memiliki akses ke informasi mentah.
Pertama, A, B, dan C akan menggunakan algoritma pembagian rahasia untuk membagi data mereka menjadi beberapa komponen. Setiap perusahaan kemudian akan mengenkripsi potongan-potongan ini menggunakan algoritme enkripsi homomorfik dan mengirimkannya ke dua peserta lainnya. Sekarang, ketiga pihak memiliki potongan data terenkripsi satu sama lain, tetapi tidak satupun dari mereka dapat mendekripsinya sendiri dan mengakses kumpulan informasi lengkap.
Selanjutnya, A, B, dan C dapat melakukan komputasi pada data terenkripsi tanpa harus mendekripsinya. Artinya, setiap peserta hanya dapat melihat kontribusinya sendiri, sambil tetap dapat berkolaborasi dalam proyek tersebut. Terakhir, karena tidak satu pun dari peserta ini yang memiliki akses ke data mentah satu sama lain, mereka dapat yakin bahwa informasi mereka aman.
Mengapa MPC disebut komputasi yang menjaga privasi?
Data adalah alat yang tak tergantikan di dunia saat ini, dengan banyak kemajuan paling revolusioner dan progresif di dunia yang dapat ditelusuri secara langsung ke data. Tetapi berbagi data terlalu sering disertai dengan risiko pelanggaran privasi yang tak terhitung atau bahkan kehilangan kendali.
Multi-Party Computation (MPC) menawarkan solusi kreatif untuk masalah ini, membantu menciptakan suasana online baru di mana pihak dapat mengakses jenis data tertentu tanpa membahayakan keamanan informasi orang lain atau milik mereka sendiri.
MPC menggunakan algoritme aman yang tidak memaparkan data apa pun kecuali hasilnya, artinya pihak dapat membuat keputusan penting tanpa mengungkapkan detail pribadi atau melanggar hak privasi orang lain. Teknologi ini dapat merevolusi keamanan data seperti yang kita ketahui dan membuka jalan bagi masa depan yang aman yang dipenuhi dengan peluang yang berasal dari berbagi informasi yang bermanfaat.
Manfaat Solusi Komputasi Multi-Pihak
Solusi MPC menawarkan berbagai manfaat, termasuk:
• Peningkatan keamanan – Dengan memisahkan potongan data terenkripsi dan tidak membuka data mentah apa pun di titik mana pun, MPC memastikan bahwa tidak ada satu pihak pun yang dapat mengakses semua informasi. Ini menjadikannya solusi ideal untuk memproses informasi yang sangat sensitif, seperti PII atau rekam medis.
• Peningkatan privasi – Karena setiap peserta hanya menerima sebagian dari kumpulan data keseluruhan dan tidak ada satu pihak pun yang memiliki akses ke semua informasi, MPC juga membantu meningkatkan privasi dengan mencegah salah satu pihak membuat profil individu.
• Peningkatan kecepatan dan skalabilitas – solusi MPC dapat menjalankan perhitungan secara paralel, artinya mereka dapat memproses data dalam jumlah besar dengan cepat. Ini sangat bermanfaat untuk tugas-tugas seperti pembelajaran mesin, yang membutuhkan banyak daya komputasi untuk melakukannya.
Kerugian dari Solusi Perhitungan Multi-Pihak
Kerugian utama dari solusi MPC meliputi:
• Biaya lebih tinggi – Menerapkan dan menjalankan solusi MPC membutuhkan lebih banyak sumber daya daripada teknik komputasi tradisional. Ini termasuk harus membeli perangkat keras, perangkat lunak, dan alat lain yang diperlukan untuk penyiapan.
• Kompleksitas – Menyiapkan sistem MPC dapat menjadi rumit karena diperlukan teknik kriptografi tambahan. Hal ini juga dapat mempersulit pemecahan masalah dan debug, karena setiap masalah perlu ditangani oleh banyak pihak.
• Kecepatan lambat – Karena solusi MPC menjalankan perhitungan pada data terenkripsi, mereka seringkali dapat berjalan lebih lambat daripada proses komputasi tradisional. Ini berarti bahwa tugas yang membutuhkan daya komputasi dalam jumlah besar mungkin membutuhkan waktu lebih lama untuk diselesaikan.
Aplikasi MPC di dunia nyata
Pengujian genetik
Ahli genetika menggunakan MPC untuk menganalisis data genetik. Alih-alih mengirim urutan DNA mentah melalui internet, masing-masing pihak mengenkripsi data mereka sendiri dan mengirimkannya ke server pihak ketiga di mana MPC dapat membandingkan, menganalisis, dan menginterpretasikan hasilnya tanpa semua pihak mengungkapkan informasi masing-masing.
Transaksi keuangan
Anda dapat menggunakan MPC untuk mengamankan transaksi keuangan. Anda dapat melakukannya dengan membagi data menjadi beberapa bagian dan memprosesnya dalam lingkungan MPC yang aman, memastikan tidak ada satu pihak pun yang memiliki akses ke semua informasi. Hal ini membuatnya ideal untuk solusi pembayaran digital seperti pertukaran mata uang kripto, di mana privasi merupakan hal yang paling penting.
Penelitian medis
Anda dapat menggunakan solusi MPC untuk berbagi dan menganalisis data medis dalam jumlah besar. Dengan mengenkripsi data sebelum mengirimkannya, masing-masing pihak dapat mengakses informasi tertentu tanpa membahayakan privasi atau keamanan orang lain. Ini menjadikan MPC solusi ideal untuk uji klinis dan proyek penelitian lain yang melibatkan data sensitif pasien.
Penandatanganan ambang batas dalam blockchain
MPC dapat melindungi tanda tangan digital dalam berbagai blockchain proyek. Mereka mencapainya dengan membagi tanda tangan di antara banyak peserta, sehingga tidak ada satu pihak pun yang memiliki akses ke seluruh tanda tangan. Hal ini memastikan bahwa tanda tangan digital tetap aman dan anti rusak meskipun salah satu pihak disusupi.
Alternatif aman untuk MPC
metode kriptografi
Metode kriptografi merupakan bagian integral dari keamanan komputer yang memungkinkan kita menyimpan dan mengirimkan data sensitif dengan aman. Dua dari metode kriptografi utama yang digunakan untuk tujuan ini adalah enkripsi homomorfik dan bukti tanpa pengetahuan.
Enkripsi homomorfik menggunakan rumus matematika untuk mengaktifkan perhitungan data terenkripsi tanpa mendekripsi terlebih dahulu, membuatnya lebih mudah untuk berbagi data secara aman tanpa mengorbankan privasi.
Bukti tanpa pengetahuan memberikan teknik matematis untuk memverifikasi kebenaran tentang informasi tanpa mengungkapkan detailnya, menjadikannya sangat berguna saat menangani informasi rahasia.
Teknik lain yang digunakan dalam kriptografi adalah privasi diferensial, yang menambahkan sejumlah keacakan yang terkontrol ke data yang dikumpulkan, mencegah pihak jahat memperoleh detail pribadi pengguna. Pada dasarnya, metode kriptografi memberi kami lebih banyak kendali atas data kami dengan memberikan lapisan keamanan dan perlindungan yang ditingkatkan terhadap pelanggaran data.
Metode yang didukung AI/ML
Metode yang didukung AI/ML membantu memperkuat inisiatif berbasis privasi generasi berikutnya. Dua teknik utama yang memungkinkan pergeseran ini adalah data sintetis dan pembelajaran federasi.
Data sintetik adalah bentuk kecerdasan buatan yang menciptakan titik data yang mereplikasi distribusi karakteristik yang relevan tanpa benar-benar menggunakan informasi sebenarnya.
Pembelajaran federasi adalah bentuk teknik pembelajaran mesin terdistribusi di mana analis melatih model di beberapa set data secara bersamaan tanpa risiko mengorbankan informasi rahasia atau sensitif yang tersimpan di dalamnya.
Bersama-sama, kedua metode ini memungkinkan akurasi yang lebih baik dan perlindungan privasi data yang lebih kuat dari awal hingga akhir, memungkinkan kami membuat keputusan yang lebih cerdas dengan kepastian yang lebih besar.
Kesimpulan
MPC adalah teknologi yang semakin populer yang memungkinkan pemrosesan data yang aman antara banyak pihak tanpa satu pihak pun yang memiliki akses ke kumpulan data lengkap. Ini menggunakan teknik kriptografi seperti pembagian rahasia dan enkripsi homomorfik untuk memisahkan dan mengenkripsi potongan data, memastikan bahwa tidak ada peserta yang dapat mengakses data mentah atau membuat profil individu mana pun darinya.
Dengan banyak keuntungannya, termasuk peningkatan keamanan, peningkatan privasi, dan peningkatan kecepatan dan skalabilitas, solusi MPC menawarkan solusi yang kuat bagi organisasi untuk memproses data sensitif secara aman dan efisien.
Sumber: https://www.cryptopolitan.com/multi-party-computation-mpc-solutions/