Lomas：一种用于保密分析私有数据的平台
密码学与安全
2024-06-26 v1
摘要
公共服务收集大量数据以履行其使命，这些数据燃烧了跨various部门的区域、国家和国际统计数据。然而，由于严格且正当的隐私法规，这些数据的巨大潜力基本未被开发。 在此背景下，Lomas是一个新型开源平台，旨在实现公共部门持有的全额数据潜力。它使获准的用户（如获准研究人员和政府分析师）能够在不直接访问数据的情况下执行保密数据集上的算法。Lomas平台设计用于在受信计算环境中运行，例如政府IT基础设施。获准用户远程访问平台提交其在私有数据集上执行的算法。Lomas在不向用户透露数据的情况下执行这些算法，并通过差分隐私保护结果返回，这是一种引入受控噪声的框架，使任何试图提取可识别信息的尝试都不可靠。差分隐私允许对数据泄露风险进行数学量化和控制，同时允许对数据如何受到保护和利用的完全透明度。本项目的贡献将显著改变公共服务持有的数据的使用方式，释放来自此前不可访问数据的宝贵见解。Lomas赋能研究、制定政策（例如公共卫生干预），以及在各部门推动创新，同时保持最高的数据保密标准。
引用
@article{arxiv.2406.17087,
title = {Lomas: A Platform for Confidential Analysis of Private Data},
author = {Damien Aymon and Dan-Thuy Lam and Lancelot Marti and Pauline Maury-Laribière and Christine Choirat and Raphaël de Fondeville},
journal= {arXiv preprint arXiv:2406.17087},
year = {2024}
}