World Sleep Industry ENCYCLOPEDIA

睡眠数据安全多方计算

6.4.2

定义、目标与适用场景

睡眠数据安全多方计算,是多个机构或设备在不向其他参与方直接披露各自原始输入的前提下,按照约定函数共同计算结果的密码学技术与服务。理想效果类似把输入交给一个可信第三方计算,但实际由秘密共享、混淆电路、不经意传输、同态运算等协议分散完成。它可支持跨医院统计睡眠障碍患病率、联合计算风险指标、核对重复受试者、汇总设备质量指标,以及在机构间协同训练或评估模型。

保护目标必须具体说明:谁提供输入,谁参与计算,谁获得什么输出,哪些参与方可能串谋,以及除允许输出外还可推断什么。多方计算主要减少计算过程中原始数据的集中与互相暴露,并不让数据变成匿名数据,也不自动保证输入真实、算法正确、结果无偏或处理行为合规。原始PSG波形、脑电、心电、呼吸、血氧、体动、音视频、诊断标签和设备标识仍须进行分级、授权、留存和删除管理。

功能、参与方与安全模型

项目应先把自然语言需求写成明确功能:输入字段、数据类型、取值范围、匹配规则、算法、允许输出、精度、失败条件和重复查询政策。参与方可能包括数据持有机构、计算节点、协调服务、密钥或预处理材料提供方及结果接收方。部署角色不应含混;若多个计算节点由同一运营者控制或共享管理员、云账户和故障域,形式上的多节点未必带来真正的信任分散。

安全模型至少应区分半诚实和恶意参与方。半诚实方会遵循协议,但试图从所见消息推断信息;恶意方可能伪造输入、偏离步骤、选择性中止或发送不一致消息。方案还要声明腐化阈值、诚实多数或非诚实多数假设、静态或自适应攻击者、计算安全或信息论安全,以及能否保证公平性和输出交付。有些协议只能做到检测作弊后中止,无法阻止先获知结果的一方拒绝他人取得结果。所有保证都必须与实际部署的节点独立性相符。

数据准备与协议选型

不同计算适合不同协议。秘密共享通常适合加法、乘法和批量数值统计;混淆电路适合布尔逻辑、比较和条件分支;同态加密、私有集合求交及专用协议可处理加密聚合、受试者匹配等任务。实际系统常采用混合协议,并在离线阶段生成相关随机数、乘法三元组或其他预处理材料,在在线阶段处理真实输入。选型应以函数结构、参与方数量、威胁模型、通信往返、带宽、精度和可验证性为依据,而不是只比较单次运行速度。

睡眠数据进入协议前需要统一数据字典、单位、采样率、时间窗、缺失值、设备版本、标签规则和人群口径。定点数编码、截断、近似函数和电路重写可能改变计算结果,必须与明文基线比较误差。跨机构人员去重可使用私有集合技术,但匹配键本身要规范化并防止字典猜测;同一人的多夜记录、同一信号切片和重复设备记录也应正确归并。若预处理在MPC之外完成,其临时数据、映射表和统计量不自动受到协议保护。

输入完整性、恶意行为与输出隐私

MPC可以隐藏诚实参与方的输入,却通常不能判断某个输入是否真实或临床有效。恶意机构可能提交越界数值、重复样本、伪造标签或精心构造的数据以操纵结果。主动安全协议可用消息认证、承诺、一致性检查或零知识证明约束协议执行和输入格式,但业务真实性仍需来源证明、签名采集记录、质量规则和审计。输入验证不得为了方便而在协议外公开敏感值;失败消息也应避免暴露具体字段或参与方。

只泄露约定输出并不代表输出安全。极小队列的计数、罕见呼吸事件、按分钟分层的结果、差分查询以及攻击者已掌握的辅助信息,都可能揭示个人是否参与或其属性。应在计算前评估输出可推断性,限制接收者、字段、精度、最小群组、查询频率和跨轮次组合;必要时在MPC内执行阈值规则或差分隐私机制。应明确谁能解密或重构输出,并避免单一协调方、过低重构阈值或参与方串谋绕过原定披露边界。

密钥、通信与实现安全

各参与方之间的身份认证、加密信道、会话绑定和重放防护仍不可缺少。秘密份额、传输记录、随机数种子、预处理材料和临时密钥应按协议要求生成、分发、轮换和销毁;伪随机数质量不足或三元组被重复使用可能破坏全部保证。节点加入、退出、证书撤销、时钟和会话编号也需一致管理。长期任务中任一方掉线可能导致整体停顿,恢复流程必须避免重复使用密码材料或把明文暴露给运维人员。

数学上安全的协议不等于实现自动安全。序列化错误、整数溢出、定点截断、分支时间差、缓存访问、崩溃转储、调试接口、依赖漏洞和错误日志都可能泄露数据或破坏正确性。实现应使用经过同行评审的协议与库,固定算法套件和参数,开展代码审查、模糊测试、依赖扫描、负面测试及侧信道评估。生产节点应最小权限运行,敏感内存和临时文件及时清除,日志不记录秘密份额、原始输入或可重构个体的信息。

性能、验证与可审计性

性能评估应使用代表性睡眠任务,分别测量离线与在线计算时间、每方CPU和内存、通信总量、往返轮数、并发、节点扩展、掉线恢复和重试成本。长时PSG、音视频和深度模型往往需要切片、特征化或协议专用优化,不能用一个小型求和演示推断生产可行性。测试应覆盖广域网延迟、最慢参与方、峰值样本量和不同机构规模,并报告密码参数、软件版本、精度误差、失败率及明文基线。

正确性验收应以公开测试向量和已知答案数据集比对MPC与参考实现,并加入越界输入、不一致消息、节点串谋、提前中止、重放、篡改预处理材料和错误重构阈值等负面场景。审计记录应连接任务审批、参与方身份、代码和协议版本、参数、输入承诺或摘要、运行状态、输出接收者与材料销毁事件;记录需要完整性保护,但不得反向泄露私密输入。若协议依赖概率性作弊检测,还应公开检测概率和残余风险,而不是简单标注“已验证”。

治理、采购验收与边界

数据控制方、各输入机构、计算节点运营者、密码组件供应商和结果使用者应书面分配责任。协议开始前要确认处理目的、合法依据、数据最小化、地域与跨境安排、保存期限、退出机制、事件响应以及临床或科研结果的使用限制。MPC减少了原始数据汇集,却不会消除各方对本地输入、输出使用、患者权利和监管要求的责任,也不能替代伦理审查或医疗产品验证。

采购方应要求供应商提交功能规格、威胁模型、腐化与串谋阈值、协议及密码参数、依赖和许可证清单、随机性与预处理材料来源、密钥和证书生命周期、性能基准、独立安全评估、漏洞修复时限、互操作性和退出方案。验收必须证实部署拓扑符合安全假设、未经授权的参与方不能加入、恶意输入和中止按声明处理、输出披露受控且协议材料可安全销毁。对“数据不出域即无泄露”“任意多数串谋仍安全”或“加密计算天然合规”等宣传,应要求给出可复现证据、适用条件和残余风险。