De twee open source-technologieën Magritte en FHE c++ moeten bedrijven en personen helpen om gemakkelijker te voldoen aan privacy voorwaarden.
“Omdat steeds meer aspecten van ons dagelijkse leven zich digitaal afspelen, groeit de verantwoordelijkheid van de industrie om persoonlijke data veilig te houden”, steekt Miguel Guevara van Google van wal in een blogbericht. “Daarom hebben we de voorbije decennia geïnvesteerd in onderzoek en ontwikkeling van verschillende privacy-enhancing technologies (PETs). Om een veiliger ecosysteem te ondersteunen hebben we verschillende van onze PETs vrij beschikbaar gemaakt via open source.
Objecten vervagen via ML
Een eerste tool die Google in open source ter beschikking stelt is Magritte. Nee, het heeft niets met de Brusselse schilder te maken. Wel met een open source-versie van een intern Google-project. De PET gebruikt machine learning om automatisch bepaalde objecten in video’s te vervagen. Magritte kan arbitrair objecten zoals nummerplaten, gezichten, tattoos en dergelijke onherkenbaar maken. Op die manier draagt de toepassing bij aan een betere privacy bewaking.
“Deze code is in het bijzonder nuttig voor bijvoorbeeld videojournalisten”, gaat Guevara verder. “Het biedt de gebruiker verhoogde privacy garanties. Door deze open sourcecode toe te passen, kunnen videojournalisten veel tijd uitsparen en zeker zijn dat het onderliggende machine learning algoritme de detectie en vervaging kan uitvoeren met grote precissie.”
Fully Homomorphic Encryption (FHE)
Google lanceerde Magritte samen met een nieuwe versie van Fully Homomorphic Encryption, kortweg FHE C++. Deze open source-toepassing werd in juni los gelaten en maakt het ontwikkelaars eenvoudiger om encryptietechnologie toe te passen. FHE wordt gebruikt om bepaalde bedrijfsapplicaties veiliger te maken. Organisaties slaan belangrijke gegevens versleuteld op, om het risico van cyberaanvallen te verminderen. Die gegevens moeten echter worden ontgrendeld wanneer ze worden gebruikt.
De FHE C++-coderingsmethode waarop de tool is gebaseerd, maakt het ontgrendelen van de gegevens voor de verwerking ervan overbodig. Dit moet het risico op cyberaanvallen verminderen. Alleen, die complexe toepassing is moeilijk te implementeren. “De nieuwe versie van FHE C++ transpiler introduceert verschillende prestatie-optimalisaties”, aldus Guevara. “Eén ervan is dat de hardwarevereisten zijn verminderd waardoor organisaties de tool gemakkelijker kunnen implementeren.”