Muitos aplicativos de smartphones são constantemente rastreados em posição – geralmente os usuários não sabem. Com base no perfil do movimento, os fornecedores podem estimar o local de trabalho, hábitos e preferências pessoais. As possíveis consequências de coletar esses dados sensíveis nacionais foram destacados pela investigação do New York Times de 2019. Com base nas informações de posição comercial, um dispositivo que contém um membro do funcionário do presidente Trump pode ser oferecido em minutos-incluindo suas visitas a posições sensíveis como Pentágono e Pentágono.
Localização como evidência – por não revelar as coordenadas
Para oferecer um procedimento que proteja a privacidade e forneça dados verificáveis de posição, os pesquisadores estão se inclinando para evidências de conhecimento zero. Essas são provas matemáticas que podem verificar a verdade de uma declaração sem publicar os dados subjacentes. O principal recurso para a privacidade da posição: esse método permite precisão de precisão de acordo com o aplicativo especificado.
“O desafio é combinar privacidade e precisão de tal maneira que seja praticamente útil”, explicou Jens Ernstberger, o principal autor do estudo. A equipe de pesquisa do sistema de Embady e Professor da Internet das Coisas o adquiriu combinando provas de zero e conhecimento com um índice espacial hexagonal. A localização de alguém é verificável, mas não visível, o método usa um sistema clássico de grade hexagon. Esta grade divide a superfície da terra em células que podem ser representadas em diferentes resoluções – da ampla camada regional para separar as ruas. Por exemplo, os usuários podem optar por revelar que estão em uma cidade específica ou, se necessário, mais precisão, em um parque específico naquela cidade. Nos dois casos, sua localização exata está oculta.
Melhorando a precisão da posição do número de ponto flutuante
A verdadeira inovação está no processamento matemático dos dados de posição em evidências de conhecimento zero: ao contrário dos sistemas anteriores, que são frequentemente criados com base no número inteiro matemático do ouvido, o novo método usa o número de ponto flutuante padronizado, que também representa o computador moderno. Esta etapa é importante durante atividades complexas, como raízes quadradas ou funções trigonométricas, especialmente para garantir a precisão do cálculo e evitar desvios involuntários. Ao mesmo tempo, a nova abordagem remove erros que podem levar ao comprometimento dos resultados errados ou às fraquezas de segurança. Obrigado pela otimização inteligente, as evidências podem ser calculadas em menos de um segundo.
No caso de uso prático na vida cotidiana
Exemplos de um aplicativo são o teste de proximidade ponto a ponto. Permite que os dois decidam se estão em intimidade física próxima sem expressar sua posição correta. Em um prototílico, um usuário pode provar apenas em 0,26 segundos que está mais próximo de uma região específica. Ao mesmo tempo, a camada de precisão desejada pode ser flexível: em vez de provar a posição correta, pode -se mostrar em um lago ou parque específico.
“Nosso método mostra que a prova de posições de conhecimento zero é possível e qualificada, mantendo a privacidade”, Sebastian Steinharst, professor de sistema incorporado e professor de Internet das Coisas em Tum.
Além da aplicação direta, a pesquisa também contribui para o amplo caso de criptografia :: Circuitos avançados de votos flutuantes podem ser reescritos em termos de usos específicos e podem ser aplicados em outros campos no futuro, por exemplo, dados de medição física ou sistemas de aprendizado de máquina protegidos. Ele expõe novas possibilidades para sistemas confiáveis, como cuidados de saúde digital, aplicações de mobilidade ou proteção de identidade.
