Enkripsi Homomorphic Penuh: Ringkasan dan Skenario Aplikasi

Enkripsi Homomorphic ( FHE ) adalah suatu skema enkripsi khusus yang memungkinkan perhitungan fungsi langsung pada ciphertext tanpa perlu mendekripsi, sehingga melindungi privasi. Berbeda dengan enkripsi statis tradisional dan enkripsi selama pengiriman, FHE dapat melakukan pemrosesan kompleks pada ciphertext, yang sangat berguna dalam skenario perlindungan privasi kolaborasi multi pihak.

Salah satu aplikasi tipikal dari FHE adalah sistem pemungutan suara online. Pemilih dapat mengirimkan suara yang telah dienkripsi kepada entitas perantara, yang dapat menghitung jumlah suara tanpa harus mendekripsi, dan akhirnya hanya mengumumkan hasil akhir. Ini menghindari masalah di mana perantara dalam solusi tradisional harus mendekripsi semua suara untuk melakukan penghitungan, sehingga lebih baik melindungi privasi pemungutan suara.

Dalam sistem FHE, fungsi enkripsi dan proses perhitungan bersifat publik, tetapi data input dan hasil output semuanya terenkripsi. Hanya orang yang memiliki kunci dekripsi yang dapat memperoleh informasi plaintext. FHE adalah skema enkripsi kompak, ukuran ciphertext yang dihasilkan dan kompleksitas dekripsi hanya bergantung pada input asli, tidak tergantung pada tingkat kompleksitas proses perhitungan.

FHE biasanya mencakup beberapa jenis kunci berikut:

1. Kunci dekripsi: Kunci utama sistem, digunakan untuk mendekripsi ciphertext FHE, biasanya disimpan oleh pengguna secara lokal.

2. Kunci enkripsi: digunakan untuk mengubah teks biasa menjadi teks terenkripsi, dapat dipublikasikan dalam mode kunci publik.

3. Menghitung kunci: digunakan untuk melakukan operasi homomorfik pada ciphertext, juga dapat dipublikasikan.

Mode aplikasi utama FHE meliputi:

1. Model outsourcing: Mendelegasikan tugas pengolahan data sensitif kepada penyedia layanan cloud, sambil melindungi privasi data.

2. Mode perhitungan dua pihak: memungkinkan kedua pihak melakukan perhitungan bersama tanpa mengungkapkan data pribadi masing-masing.

3. Mode agregasi: Mengagregasi data dari beberapa peserta dengan aman, cocok untuk skenario seperti pembelajaran federasi.

4. Mode Klien-Server: Server memberikan layanan perhitungan model AI pribadi untuk beberapa klien independen.

Keunggulan utama FHE dibandingkan dengan skema enkripsi tradisional adalah kemampuannya untuk melakukan perhitungan kompleks pada ciphertext, yang membawa kemungkinan baru untuk perlindungan privasi. Namun, saat ini, biaya komputasi FHE masih sangat besar, dan diperlukan terobosan teknologi lebih lanjut serta dukungan perangkat keras khusus agar dapat diterapkan secara praktis di lebih banyak skenario.