Continuum AI ist ab sofort verfügbar. Testen Sie die sicherste GenAI Plattform!

Illustration Multi-party computation animation with delay 7s

Multi-Party Computation (MPC)

Daten sicher teilen und verarbeiten


Bisher nutzten Datenschutzmethoden im Bereich „Multi-Party Computation“ (MPC) rein kryptografische Verfahren, was zu starken Leistungseinbußen führte. Mit Confidential Computing hat sich das geändert. Lösungen von Edgeless Systems machen es ganz einfach, vollständig verschlüsselten Daten mit Partnern zu teilen und darauf zu arbeiten.

Was ist Multi-Party Computation?


Bei Multi-Party Computation (MPC) handelt es sich um ein kryptografisches Verfahren, das es mehreren Parteien ermöglicht, gemeinsam einen Output aus ihren privaten Eingaben zu berechnen und dabei die Privatsphäre der Teilnehmer zu gewährleisten. Hierfür gibt es zahlreiche Anwendungsfälle in unterschiedlichen Branchen. Finanzinstitute können MPC für gemeinsame Analysen verschlüsselter Kundendaten nutzen, um Risikoauswertungen vorzunehmen, Betrug aufzudecken und Geldwäscherei zu verhindern.

4 users icons, collaborating on a function

Sichere Multi-Party Computation war komplex

In der Vergangenheit mussten Anwendungen wie MPC, die den Schutz von Daten während der Verarbeitung erforderten, auf rein kryptografische Verfahren zurückgreifen. Dies brachte erhebliche Leistungseinbußen mit sich und machte sichere MPC ressourcenintensiv und letztendlich unpraktikabel. Wie kann man also Daten sicher teilen?

Die Lösung: MPC auf Basis von Confidential Computing


Confidential Computing hat die Möglichkeiten für MPC grundlegend verändert. Durch das Verarbeiten von Daten in Trusted Execution Environments (TEEs) gewährleistet Confidential Computing eine durchgängige Verschlüsselung von Daten – sogar während der Verarbeitung. Mittels Remote Attestation ist die Integrität der Workloads außerdem kryptografisch nachweisbar.


Mit den Open-Source-Lösungen von Edgeless Systems können Sie neue MPC-Anwendungen entwickeln und Daten während der Nutzung schützen – und das mit ausgezeichneter Performance.

MPC diagram 2

Mit unserer Open-Source-Software ganze einfach zur Confidential-MPC-Anwendung

EGo logo

EGo: Der einfachste Weg um Anwendungen für Intel SGX zu entwickeln

marblerun logo

MarbleRun: Der einfachste Weg zum Orchestrieren von Enklaven

Erfahren Sie, wie Hope for Justice eine Plattform für den privaten Datenaustausch innerhalb weniger Wochen nutzen konnte


Hope for Justice, eine globale Non-Profit-Organisation, die der modernen Sklaverei und Menschenhandel ein Ende setzen will, wollte eine MPC-App entwickeln, um Informationen mit anderen Agenturen und Behörden auszutauschen. Dabei konnten sie nicht das Risiko eingehen, die äußerst sensiblen Daten der Opfer zu teilen. Durch die Nutzung des Fachwissens und der Software von Edgeless Systems sowie der Intel SGX-Hardware konnte Hope for Justice in wenigen Wochen eine Plattform für den privaten Datenaustausch an den Start bringen.

Hope 4 justice case study
manifestants

Durch die Verwendung des auf Open-Source basierenden Multi-Party-Computing-Framework von Edgeless Systems (...) sind wir nun stolz darauf, die „Private Data Exchange" vorzustellen. Diese Plattform nutzt Confidential Computing, um die weltweiten Bemühungen zur Aufdeckung und Bekämpfung von Menschenhandel zu verbessern. (...) Das Anwendungspotenzial von Confidential Computing ist beeindruckend.

- Callum Harvie

Operations & Risk Manager bei Hope for Justice

Accenture offices

Wir können mit Confidential Computing ein sicheres Schloss zwischen Unternehmen aufbauen, so dass Datensätze auf datenschutzfreundliche Weise ausgetauscht werden können. Das war vorher aufgrund von Wettbewerbs- und Datenschutzproblemen nicht möglich.

– Giuseppe Giordano
R&D Senior Manager bei Accenture

Möchten Sie mehr über Confidential-MPC-Anwendungen erfahren?


Füllen Sie das Formular aus und sprechen Sie mit unseren Experten!

The form failed to load. Please send an email to contact@edgeless.systems. Loading likely fails because you are using privacy settings or ad blocks.