BAT大牛都在用，提高数据库安全的11项技术

这种技术以不同的方式部署数学。它没有将信息锁定在数字保险箱中，而是添加了精心调整的噪音量，以使其难以确定哪条记录对应哪个特定的数据个体。如果噪声数值正常，那么便不会影响整体统计数据，如平均值。也就是说，如果您从数据集中的年龄随机增加或减少几年，平均年龄将保持不变，但这样一来可能很难通过年龄寻找到特定个人。

这些计算有时被称为“消息验证代码”或“单向函数”，它将大文件归结为较小的数字，从而使其实际上几乎无法逆转。给定一个特定的结果或代码，找到将生成该特定代码的文件将花费太长时间。

像RSA或DSA这样的数字签名算法算是更为复杂的计算，它将散列函数的篡改检测特性与带有认证信息的特定个人或机构相结合。它们依赖一个只有责任方知道的秘密密钥。例如，加密货币将财富的所有权与知道正确密钥的人联系起来。跟踪个人责任的数据库可以包括验证特定交易的数字签名。

简明的非交互式知识论证（SNARK）是一种更为复杂的数字签名版本，可以证明复杂的个人信息而不会泄露信息本身。这种技巧依赖于更复杂的数学，有时被称为“零知识证明”（ZKP）。

同态加密算法旨在使对加密信息进行计算而无需对其进行解密成为可能。最简单的算法允许进行一次算术运算，例如将两个加密数字相加。更复杂的算法可以进行任意计算，但速度通常要慢得多。为特定问题寻找最有效的方法也是一个热门的研究领域。

一些开发人员将他们的数据集拆分成更小的部分，有时甚至出奇得小，然后将它们分发到许多独立的计算机中。有时这些位置会被打乱，因此无法预测哪台计算机将保存哪条记录。该解决方案主要用于软件包，这些软件包旨在通过并行运行搜索或分析算法来加速所谓的大数据工作。

一些研究人员正在通过随机生成新值来创建纯合成的数据集，但其方式遵循相同的模式并且在统计上基本相同。例如，一个名为RTI的研究智囊团创建了2010年美国人口普查数据的一个副本，其中包含随机住址的随机人群。这些人完全是虚构的，但他们的家庭住址和个人信息被选择为具有与真实值相同的基本统计资料。

一些研究人员正在构建工具来限制数据收集，并在存储数据之前对数据进行预处理。例如，Mozilla的Rally会跟踪想要研究互联网信息流的研究人员的浏览习惯。它会在调查期间安装一个特殊的插件，然后在最后将其删除。该工具将人群的关系正式化并强制执行收集和聚合的规则。

无状态计算是大部分网络的基础，当以尽可能少的记录保存方式重新构建工作时，许多高效驱动器都能够发挥效用。在某些极端情况下，如果合规性允许，并且用户愿意接受极少（甚至没有）的个性化服务时，删除数据库可以最大程度地保护用户隐私。

这些解决方案主要取决于对数学的巧妙应用。例如，一些最简单的机制看起来只是现代版本的密码，本质上是经典解码轮的数字版本。其他更复杂的扩展，也进一步推动数学提供更多的灵活性和功能性。许多在实验室中试验了几十年的技术想法最终得到了研发和应用，成为了现实。

这些算法正在成为巩固业务关系和确保准确“无欺诈”工作流程的基础。这些方法使公司可以更轻松地向客户提供个性化服务，同时保护他们的隐私。此外，这些方法还能够在不妨碍服务交付的情况下更好地遵守管理数据流的法规。