2019年IDASH 竞赛将于10月26日在美国布印第安纳州卢明顿举行(http://www.humangenomeprivacy.org/2019/competition-tasks.html)。
基因组数据和计算要求的增长已经超出了服务器所能承受的范围。许多机构和NIH正在考虑将云计算服务作为扩大研究的经济有效的替代方案。在部署基于云的数据分析工具时，隐私和安全性是主要问题。
在过去的几年中，安全计算方法已经有了显着的性能改进，但是它们是否适用于涉及大数据的生物医学挑战仍然不明确。此挑战的目标是评估最先进方法的性能，以确保在云环境中的数据分析期间严格的数据机密性。
今年有4个比赛项目，分别涉及到区块链、同态加密、SGX以及多方安全计算。内容如下：比赛项目1

名称：基于区块链和智能合约的分布式基因药物相互作用数据共享
目标：该项目的目标是在区块链网络上开发智能合约，以分布式方式共享基因-药物相互作用数据。
实验环境：给定一组基因 - 药物相互作用结果数据，设计时间/空间有效的数据结构和基于以太坊Solidity共享（即存储和检索）数据的机制。1比赛项目2

名称：使用同态加密的安全基因型插补
目标：该项目目标是开发基于同态加密（HE）的方法，用于执行基因型插补。
实验环境：给定具有缺失条目的变体- 基因型数据集，设计用于输入缺失条目的有效且准确的同态加密方法。2比赛项目3

名称：在SGX上提供保护数据隐私的机器学习服务
目标：可信的执行环境（TEE，例如，英特尔的SGX）提供了一种理想的基础设施，用于托管保护隐私的机器学习服务，其中机器学习模型和输入数据都可以受到保护。
实验环境：我们将提供测试数据集以及训练好的深度学习模型。每个团队都面临着在SGX下实施该模型的挑战。为此目的，团队可以优化模型并对其进行调整，使其可以在系统中工作，只要其准确性得到很大程度的保护并且隐私得到充分保护（侧信道泄漏除外）。测试数据集将用于评估实施的模型。解决方案可以利用系统外的计算资源，包括CPU，内存和硬盘，只要所有数据和模型都受到完全保护（加密）。提交的解决方案不能涉及任何添加方。预计算时间将作为性能开销的一部分进行测量。3比赛项目4

名称：机器学习模型的安全协同训练
目标：训练机器学习模型通常需要大量数据。然而，由于隐私问题，数据所有者通常不愿意共享他们的数据（例如，来自人类受试者的基因组数据），即使他们也希望建立更好的训练模型。因此，允许两个或更多所有者使用诸如安全多方计算（SMC）之类的安全计算协议来构建联合机器学习模型变得非常重要。此任务旨在了解在构建支持安全协作的机器学习模型时可实现的安全多方计算实施的效率。
实验环境：我们将提供两个测试数据集，每个参与团队将提交一个通用训练算法的实现，以便每个测试数据集可用于训练模型。我们将提供直接训练数据的ML模型作为基准。该解决方案不需要使用与基准相同的模型，但它应该具有相似的性能。4
往期推荐生物特征数据库导致数百万用户的数据泄露
PySEAL：一个全同态加密的Python接口库2019年同态加密标准化会议召开谷歌隐私交集和技术解析2—技术概览
谷歌隐私交集和技术解析1—应用场景分析谷歌推出一种新型的安全多方计算开源库关于安装NTL的总结
NIST第二届后量子密码标准会议接受论文如何在云中加密数据2019编码密码中的数学基础暑期班
Libra区块链论文解析6-交易的执行-part 1Libra区块链论文解析5-数据逻辑模型-part 2▼欢迎收听“区块链杂谈”节目，国内最有质量的区块链知识分享节目。


◆ ◆ ◆  ◆ ◆格密链专注于区块链上的密码学技术长按扫码可关注









致远博士




扫一扫下载订阅号助手，用手机发文章

赞赏



长按二维码向我转账


受苹果公司新规定影响，微信 iOS 版的赞赏功能被关闭，可通过二维码转账支持公众号。

















已同步到看一看



取消
发送


我知道了








朋友会在“发现-看一看”看到你“在看”的内容
确定













已同步到看一看写下你的想法



最多200字，当前共字
发送







已发送







朋友将在看一看看到
确定



写下你的想法...









取消
发布到看一看
确定




最多200字，当前共字








发送中













微信扫一扫
使用小程序







取消
允许






即将打开一个新页面

取消
允许








确定