サイト内の現在位置

安全なデータ活用を実現する秘密計算

NECの最先端技術

2018年11月5日

組織を超えたデータ活用への期待

近年、情報銀行などの個人情報や企業が保有する機密情報などを、企業・組織間で活用するビジネスが活発化する一方で、プライバシー侵害等の観点から企業・組織を超えたデータ活用は十分には進んでいません。このような、課題を解決する一つの技術として、秘密計算が期待されています。

秘密計算

秘密計算とは、データを秘匿したまま処理できる技術です。この技術によって、複数の参加者(パーティ)が、各参加者が持つ秘密情報を他の参加者に開示することなく、それらの秘密情報についての予め決められた処理を行い、その処理結果だけを出力できます。このような手法を、マルチパーティ計算とも呼びます。

図:秘密計算の概要

秘密計算を用いることで、企業・組織を跨いだ安全なデータ共有が進み、様々な社会的な価値を生む可能性があります。例えば、医療の分野では、ゲノムバンクが保有するゲノム情報と、医療機関が保有するカルテ情報を結合して分析することで、ゲノム特性に応じた効果的な投薬に関する研究などの医学研究が促進されます。また、金融機関が保有する取引情報を分析することで不正取引の検知や、様々な店舗の購買履歴情報からマーケティング分析などへの活用にも役立てることができます。

図:医療分野での適用例

NECの高速な秘密計算

秘密計算は 処理や通信するデータ量の多さや、計算の複雑さから処理時間が膨大にかかるため、実用化が困難とされてきました。近年、処理の高速化の研究が活発化しており、NECは2016年に高速な秘密計算の開発に成功しています。
秘密計算には、秘密分散を用いた方式や、準同型暗号を用いた方式など、様々な方式が存在します。NECでは、特に秘密分散を用いた秘密計算の方式の研究開発をしています。この方式では、秘匿したい情報を安全に管理された3つのサーバに分散して保持し、元データに復元しないまま処理を行います。

NECの秘密計算の仕組み

NECの秘密計算の開発支援ツール

従来、秘密計算は複雑かつ膨大なプログラミングが必要であり、一般のエンジニアではシステム構築が難しいことが普及・拡大の課題となっていました。そこで、NECは、2018年に、秘密計算を組み込んだシステム開発を容易にする支援ツールを開発しました。本ツールでは、秘密計算で実行したい処理内容を、Pythonに似たプログラミング言語を記述するだけで、NECの秘密計算特有の処理コードを自動で生成することが可能となります。
また、秘密計算の様々な統計処理の記述にも対応しているため、あらかじめ決められた一般的な集計処理や分析処理に限定せず、各企業や研究機関などの利用者が望むシステムに合わせた統計処理や分析処理も容易に記述することが可能です。

図:Pythonに似たプログラミング言語の記述例(平均を計算する処理)

本ツールを用いることで、プログラミングの知識があるエンジニアであれば、データの処理内容を記述すれば、秘密計算に必要な処理コードを生成し、実行することが可能です。例えば、単純な集計処理であれば、約30行のプログラム記述から、約4万行の処理コードを自動で生成します。

図:秘密計算の開発支援ツールの効果

また、処理内容の記述から、並列実行可能な処理を自動的に判別し、同時に処理実行する最適化機能により、専門知識がなくとも記述した処理内容が高速に実行できる秘密計算の処理コードを生成できます。

今後NECは、本ツールを秘密計算の適用可能性の検討・実証のために提供し、実用に向けた検証を進め、2020年の秘密計算の実用化を目指していきます。

適用可能性の検討・実証などの問い合わせ先

NEC 研究企画本部 研究プロモーショングループ
お問い合わせ

NECの秘密計算の詳細説明

研究論文(国際会議)

  • T. Araki, A. Barak, J. Furukawa, M. Keller, Y. Lindell, K. Ohara and H. Tsuchida. "Generalizing the SPDZ Compiler For Other Protocols". ACM CCS 2018.
  • Jun Furukawa, Yehuda Lindell, Ariel Nof, Or Weinstein, "High-Throughput Secure Three-Party Computation for Malicious Adversaries and an Honest Majority", EUROCRYPT 2017.
  • Toshinori Araki, Assi Barak, Jun Furukawa, Yehuda Lindell, Ariel Nof, Kazuma Ohara, Adi Watzman, Or Weinstein. "Optimized Honest-Majority MPC for Malicious Adversaries - Breaking the 1 Billion-Gate Per Second Barrier", IEEE S&P 2017.
  • Toshinori Araki, Jun Furukawa, Yehuda Lindell, Ariel Nof, Kazuma Ohara, "High-Throughput Semi-Honest Secure Three-Party Computation with an Honest Majority", ACM CCS 2016. (Best Paper Award)

関連研究所