Bayangkan sebuah rumah sakit ingin menggunakan kecerdasan buatan untuk menganalisis catatan pasien tetapi perlu memastikan data tetap pribadi.

Metode enkripsi khusus, yang disebut enkripsi homomorfik, memungkinkan kalkulasi pada data terenkripsi tanpa pernah mendekripsinya.

Ini berarti bahwa bahkan perusahaan yang memproses data tidak pernah melihat informasi aslinya.

Meskipun ini terdengar seperti solusi keamanan yang sempurna, enkripsi homomorfik memiliki masalah besar—sangat lambat dan sulit digunakan dalam aplikasi dunia nyata.

Namun sekarang, para peneliti di MIT telah menemukan cara baru untuk membuat proses ini lebih sederhana dan lebih efisien.

Pendekatan yang lebih sederhana dan lebih cepat

Para peneliti MIT telah mengembangkan metode enkripsi teoritis baru yang membuat komputasi aman pada data terenkripsi menjadi jauh lebih mudah.

Alih-alih mengandalkan teknik enkripsi yang rumit dan lambat, pendekatan mereka menggabungkan dua alat kriptografi sederhana untuk menciptakan sistem yang lebih canggih.

Metode baru ini dikenal sebagai enkripsi yang agak homomorfik. Meskipun tidak memungkinkan kalkulasi tak terbatas pada data terenkripsi seperti enkripsi homomorfik penuh, enkripsi ini memungkinkan sejumlah operasi yang bermanfaat sekaligus menjaga keamanan data.

Ini mungkin cukup untuk aplikasi seperti pencarian basis data pribadi, pemrosesan AI yang aman, dan analisis statistik terenkripsi.

Bagaimana cara kerjanya?

Enkripsi bekerja dengan menambahkan gangguan pada data, sehingga tidak dapat dibaca. Namun, setiap kali kalkulasi dilakukan, gangguan tersebut bertambah.

Jika terlalu banyak kalkulasi yang dilakukan, gangguan tersebut menjadi sangat mengganggu sehingga data asli hilang.

Tim MIT menemukan cara untuk mengendalikan gangguan ini dengan membatasi operasi pada kelas fungsi tertentu.

Metode mereka memungkinkan banyak penjumlahan tetapi hanya sedikit perkalian, sehingga mencegah terlalu banyak gangguan tambahan yang dihasilkan.

Untuk melakukan ini, para peneliti menggabungkan metode enkripsi sederhana yang mendukung penjumlahan dengan asumsi kriptografi baru.

Kombinasi ini secara tak terduga menghasilkan metode enkripsi yang lebih kuat dan lebih fleksibel daripada salah satu pendekatan saja.

Data terenkripsi disimpan dalam format matriks, dan melakukan operasi semudah menambahkan atau mengalikan matriks.

Bukti matematis mengonfirmasi bahwa metode ini menjaga keamanan data sekaligus memungkinkan komputasi yang bermanfaat.

Meskipun metode enkripsi ini masih teoritis, metode ini membawa peneliti selangkah lebih dekat ke enkripsi homomorfik praktis.

Tantangan berikutnya adalah membuatnya cukup cepat untuk penggunaan di dunia nyata, seperti pemrosesan AI yang aman, komputasi awan, dan aplikasi yang menjaga privasi.

Henry Corrigan-Gibbs, salah satu peneliti utama, menjelaskan, "Mimpinya adalah Anda dapat mengajukan pertanyaan kepada AI seperti ChatGPT, mengenkripsinya, dan menerima jawaban—semuanya tanpa AI pernah melihat permintaan awal Anda."

Meskipun enkripsi homomorfik sepenuhnya masih jauh dari praktis, metode baru ini menawarkan harapan untuk masa depan di mana privasi dan AI dapat bekerja sama.

Seiring para peneliti terus menyempurnakan teknologi, hal ini dapat mengarah pada terobosan besar dalam keamanan data, melindungi informasi sensitif dengan cara yang baru dan canggih.