Muchas aplicaciones de teléfonos inteligentes rastrean permanentemente la ubicación, a menudo sin informar a los usuarios. Según los perfiles de movimiento, los proveedores pueden evaluar el lugar de trabajo, los hábitos y las preferencias personales. Los resultados potenciales de la recopilación de dicha información confidencial fueron destacados por la investigación del New York Times de 2019. Según los datos de la ubicación comercial, un dispositivo que pertenece a un miembro de la delegación del presidente Trump puede asignarse en unos minutos, que incluye visitas a lugares sensibles como Mar-A-Laog y el Pentágono.
Ubicación como prueba: sin revelar los puntos
Para ofrecer un método que proteja la privacidad mientras proporciona datos de ubicación certificados, los investigadores están recurriendo a la evidencia de cero conocimiento. Estas son evidencias de matemáticas que pueden confirmar la verdad de una declaración sin revelar datos básicos. Característica clave para la privacidad de la ubicación: este método permite una precisión ajustable de acuerdo con aplicaciones específicas.
El principal autor de este estudio explica a los jeans Ernestberger: “El desafío es vincular la confidencialidad y la precisión de una manera que se puede usar prácticamente”. En el profesor de sistemas integrados e Internet de las cosas, el equipo de investigación obtuvo evidencia de conocimiento cero con el índice local hexaganal. Un sistema de cuadrícula hexagonal de calificación utiliza una calificación en este procedimiento. Esta cuadrícula divide el nivel del suelo en células que pueden representarse en diferentes resoluciones. Por ejemplo, los consumidores pueden optar por revelar si están en una ciudad en particular o, si se necesita más precisión, en un parque particular de la ciudad. En ambos casos, su ubicación exacta está oculta.
El número de punto flotante mejora la precisión de la posición
La innovación real está en el procesamiento matemático de los datos de ubicación en evidencia de conocimiento cero: a diferencia del sistema anterior, que a menudo se basa en las matemáticas numéricas infectadas por error, el nuevo método utiliza el número de punto flotante estándar, que también es la representación de las computadoras modernas. Este movimiento es muy importante para garantizar la precisión computacional y evitar desviaciones no anunciadas, especialmente durante operaciones complejas, como rutas cuadradas o funciones trigonométricas. Al mismo tiempo, el nuevo enfoque elimina los errores que pueden causar resultados incorrectos o riesgos de seguridad. Gracias a las reformas inteligentes, esto se puede calcular en menos de un segundo.
Asuntos de uso práctico en la vida cotidiana
Un ejemplo de una aplicación es una serie de proximidad a partir del lunes. Esto permite a dos personas determinar si están en estrecha proximidad física, ya sea sin mostrar su posición correcta. En un prototipo, el usuario solo puede probar en 0.26 segundos que está cerca de una región en particular. Al mismo tiempo, el nivel de precisión deseado se puede ajustar flexible: en lugar de demostrar la ubicación exacta, se puede demostrar un vecindario o parque en particular.
“Nuestro procedimiento muestra que la evidencia de conocimiento cero es posible y eficiente mientras mantiene la privacidad”, dice Sebastian Stein Hurst, profesor de sistemas integrados, dice que el profesor de sistemas integrados e Internet de las cosas.
Más allá de la aplicación directa, la investigación también ayuda en el área más amplia de detención secreta :: El desarrollo de puntos flotantes de cero circuitos de conocimiento es reutilizable, independientemente del tema del uso específico, y también puede aplicarse a otros campos en el futuro, por ejemplo, en medición física o datos seguros. Esto abre nuevas posibilidades para sistemas confiables, como atención médica digital, aplicaciones de movilidad o protección de identificación.
