Privacy-enhancing Computation

Era pasca-Covid akan terlihat sangat berbeda dari sebelumnya. Perusahaan yang telah mengambil langkah lambat dan tidak mengesankan menuju transformasi digital kini dalam waktu kurang dari setahun untuk mengadopsi lingkungan cloud yang hampir lengkap.

Perusahaan dengan kantor pusat besar telah beralih ke lingkungan kerja terpencil dengan proses dan kebijakan yang mencerminkan iklim baru.

Apa yang perlu Anda ketahui tentang komputasi yang meningkatkan privasi?

Komputasi yang meningkatkan privasi melindungi data yang digunakan sambil menjaga privasi atau kerahasiaan langkah-langkah keamanan data-at-rest umum online (Liausvia & Mariani, 2012).

Menurut Gartner, pada tahun 2025, 50% (Kualitas, 2013) organisasi besar akan menerapkan komputasi yang meningkatkan privasi untuk memproses data di lingkungan yang tidak tepercaya dan kasus penggunaan analitik data multipartai.

Dengan semakin matangnya kepatuhan privasi dan peraturan yang lebih luas, bisnis kecil dan besar harus melindungi data yang digunakan.

Pendapat Gartner Mengenai Peningkatan Privasi

Menurut Gartner, jenis keamanan ini hadir dalam tiga bentuk; yang pertama melibatkan penyediaan lingkungan tepercaya tempat data dapat diproses atau dianalisis melalui lingkungan eksekusi pihak ketiga dan tepercaya perangkat keras.

Jenis kedua dari komputasi yang meningkatkan privasi menyangkut pemrosesan dan analitik terdesentralisasi melalui pembelajaran mesin federasi atau sadar privasi.

Bentuk terakhir menyangkut komputasi yang mengubah data dan algoritme sebelum diproses atau analitik, termasuk bukti tanpa pengetahuan, komputasi multipartai yang aman, dan enkripsi homomorfik.

Enkripsi homomorfik (HE) menggunakan teknik kriptografi untuk memungkinkan pihak ketiga memproses data terenkripsi dan mengembalikan hasil terenkripsi ke pemilik data sambil tidak memberikan pengetahuan tentang data atau hasilnya. Dalam praktiknya, jenis enkripsi ini tidak cukup cepat untuk implementasi bisnis.

Ukur, Kelola, dan Lindungi

Migrasi ke cloud sangat penting dalam era luas kerja jarak jauh dan tetap menggunakan data-driven  melalui transisi ini harus menjadi titik fokus untuk beradaptasi secara real-time.

Dengan ini, kebutuhan Anda sebagai bisnis untuk patuh dan melindungi data Anda tidak dapat dinegosiasikan.

Referensi

Kualitas, P. (2013). Analisis Pengaruh Motivasi Pembelian Produk Ponsel Nokia ( Studi Pada Konsumen Nokia Di Semarang ).

Liausvia, F., & Mariani, M. (2012). Sistem Penghitungan Suara untuk Proses Penilaian Resiko Menggunakan Komputasi Awan. Forum Ilmiah.