基于多密钥同态加密的基因组计算隐私保护框架
基因组分析的隐私保护框架：基于多密钥同态加密的研究
学术背景
随着基因组测序成本的降低，基因组数据的广泛可用性为个性化医疗（也称为基因组医学）开辟了新的可能性。然而，基因组数据包含大量敏感信息，如疾病易感性、祖先信息和身体特征，这些信息的隐私问题成为了医学研究和数据共享的重大障碍。尽管研究人员已经提出了多种隐私保护技术，但现有的基于密码学的方法在互操作性、可扩展性、隐私保护程度以及多方分析支持方面仍存在不足。这些局限性限制了基因组数据的潜力，阻碍了其在医学研究中的应用。因此，开发一种既能保护隐私又能支持多方基因组数据处理的加密技术成为了迫切需求。
论文来源
这篇论文由Mina Namazi、Mohammadali Farahpoor、Erman Ayday和Fernando Pérez-González共同撰写，分别来自Open University of Catalonia、Case Western Reserve University、Universitat Politècnica de Catalunya和University of Vigo。论文于2025年1月31日发表在Bioinformatics期刊上，标题为《Privacy-Preserving Framework for Genomic Computations via Multi-Key Homomorphic Encryption》。
研究流程
1. 研究目标与方法
本研究旨在通过多密钥同态加密（Multi-Key Homomorphic Encryption, MKHE）技术克服现有密码学方法的局限性。MKHE允许在多个数据所有者的加密数据上进行计算，而无需解密数据，从而在保护隐私的同时实现多方基因组分析。研究团队开发了一个全面的协议，支持多种基因组分析，包括个体基因组测试、多方测试、基因组数据库分析以及多数据库操作。
2. 多密钥同态加密技术
研究团队采用了基于Ring-Learning with Errors (RLWE)问题的MKHE方案，该方案由Chen et al. (2019)提出。MKHE允许在多个数据所有者的加密数据上进行计算，每个数据所有者使用自己的公钥加密数据。计算过程中，数据始终保持加密状态，最终结果需要多方共同解密。这种方法不仅提高了隐私保护水平，还消除了单点故障的风险。
3. 系统模型与协议设计
研究提出的框架包括以下参与者： - 认证机构（CI）：负责对个体的生物样本进行测序。 - 密钥管理机构（KA）：生成系统的公共参数。 - 云服务器（SPU）：作为存储和处理单元，负责在加密数据上执行分析。 - 数据所有者和查询者：包括个体、医院或其他机构，他们可以通过云服务器进行基因组分析。
研究团队设计了以下主要算法： - MKHSetup：生成公共参数。 - MKHKeyGen：为每个参与者生成私钥、公钥和评估密钥。 - MKHEnc：使用公钥加密数据。 - MKHPartDec：每个参与者使用自己的私钥对加密结果进行部分解密。 - MKHFinDec：将所有部分解密的结果合并，得到最终的解密结果。 - MKHEval：在加密数据上执行计算。
4. 基因组测试场景
研究团队通过以下四个基因组测试场景展示了框架的应用： - 个体基因组测试：例如个性化医疗，计算个体对特定疾病的遗传风险评分。 - 多方测试：例如亲子鉴定，比较孩子与疑似父亲的遗传标记。 - 基因组数据库分析：例如相似患者搜索，在数据库中查找遗传相似个体。 - 多数据库操作：例如记录链接，识别并链接不同数据库中属于同一个体的记录。
主要结果
1. 隐私保护与安全性
研究团队证明了所提出的框架在半诚实（semi-honest）敌手模型下的安全性。通过基于RLWE问题的MKHE方案，框架能够保护数据隐私，确保在计算过程中数据始终保持加密状态。即使云服务器或其他参与者试图获取更多信息，也无法破解加密数据。
2. 性能与可扩展性
研究团队对框架的性能进行了评估，结果显示，框架的运行时间与数据库大小呈线性关系。对于个体基因组测试，框架在30秒内完成计算；对于多方测试，计算时间为53秒；对于数据库分析和多数据库操作，计算时间分别为17秒和35秒。尽管框架在计算效率上略低于现有的专用解决方案，但其在隐私保护和多方计算方面的优势使其在实际应用中具有重要价值。
3. 互操作性与灵活性
框架允许数据所有者使用不同的公钥加密数据，并在加密数据上进行多种分析。这种设计提高了系统的互操作性，使得数据所有者可以在不重新加密数据的情况下进行多种基因组测试。此外，框架支持动态加入新的参与者，进一步增强了其灵活性。
结论与意义
本研究提出的基于多密钥同态加密的隐私保护框架在基因组数据处理领域具有重要的科学价值和应用价值。通过允许在多个数据所有者的加密数据上进行计算，框架在保护隐私的同时实现了多方基因组分析。与现有方法相比，框架在隐私保护、互操作性和灵活性方面具有显著优势，特别是在个体记录或中等规模数据库的分析场景中表现出色。
研究亮点
- 多密钥同态加密技术：研究团队首次将MKHE技术应用于基因组数据处理，解决了现有方法在隐私保护和多方计算方面的局限性。
- 全面的基因组分析协议：框架支持多种基因组测试，包括个体测试、多方测试、数据库分析和多数据库操作，展示了其在多种应用场景中的潜力。
- 性能与可扩展性：框架的运行时间与数据库大小呈线性关系，适用于中等规模的数据分析。
- 互操作性与灵活性：框架允许数据所有者使用不同的公钥加密数据，并在加密数据上进行多种分析，提高了系统的实用性和安全性。
未来工作
研究团队计划进一步优化框架的性能，特别是在大规模基因组数据分析中的应用。此外，团队还将研究如何应对潜在的推理攻击，以进一步增强框架的隐私保护能力。