Taille et part du marché du calcul améliorant la confidentialité, par technologie (cryptage homomorphe, environnements d’exécution de confiance, calcul multipartite, confidentialité différentielle, magasins de données personnelles) ; Taper; Utilisation finale – Analyse mondiale de l’offre et de la demande, prévisions de croissance, rapport statistique 2025-2037

Marché informatique améliorant la confidentialité : moteurs de croissance et défis

Moteurs de croissance

• Adoption croissante du PEC dans les services financiers : les entreprises du secteur bancaire, ainsi que les secteurs de l'assurance et de la santé, adoptent une technologie informatique améliorant la confidentialité pour développer des transactions sécurisées, des systèmes de prévention de la fraude et des mécanismes d'échange de données. Le calcul multipartite sécurisé permet à différentes entités de travailler ensemble sur des projets d'analyse de données tout en gardant leurs données d'entrée privées pour satisfaire aux exigences de confidentialité des données et aux normes légales de protection des données. L'utilisation de SMPC permet aux institutions financières de mener une analyse conjointe des modèles de fraude dans toutes les organisations et de protéger la confidentialité des données des clients, améliorant ainsi leurs capacités de détection sans compromettre la confidentialité.
  
  De nombreuses institutions, dont ABN MRO Bank et Rabobank, mettent en œuvre le système anti-blanchiment d'argent construit avec SMPC, dans lequel le système de notation distribue les évaluations des comptes aux réseaux de transactions, permettant aux banques de trouver des transactions inconnues sans violer les normes de confidentialité. La propagation des scores de risque améliore la précision de la détection des activités suspectes tout en maintenant le taux de rappel à des taux significatifs, réduisant ainsi considérablement les faux positifs. Ce développement met en évidence le potentiel des calculs multipartites sécurisés pour renforcer les mesures de sécurité des données dans les domaines de traitement des informations sensibles.
   
• Expansion de l'IA et du ML dans les besoins en matière de confidentialité : Un nombre croissant de technologies d'intelligence artificielle et d'apprentissage automatique dépendent de grands ensembles de données contenant des détails personnels et des informations sensibles, en raison de leur évolution continue. Le recours à cet aspect met en évidence le potentiel des technologies améliorant la confidentialité, notamment la confidentialité différentielle et l’apprentissage fédéré, qui représentent des nécessités vitales. De tels PET aident les organisations à produire des modèles de formation à l’IA pour protéger les informations personnelles et à rendre les organisations plus dignes de confiance, favorisant ainsi un déploiement plus large du système d’IA. Les institutions gouvernementales exploitent également les PET pour la gestion de la confidentialité des données. Par exemple, en juin 2024, la National Science Foundation des États-Unis a lancé le programme pratique de partage de données préservant la confidentialité. PDaSP est une initiative qui vise à commercialiser rapidement les PET grâce à des déploiements pratiques visant à améliorer les capacités de partage sécurisé de données dans différents secteurs.
  
  Les organisations technologiques établissent des cadres d'IA innovants préservant la confidentialité et se concentrent sur le développement d'approches d'apprentissage fédéré qui permettent aux modèles d'IA formés de fonctionner sur divers emplacements d'ensembles de données sans exposer le contenu réel des données. Des technologies telles que le cryptage homomorphe et le calcul multipartite sécurisé permettent le développement continu de la sécurité des données et permettent aux entreprises de minimiser les problèmes réglementaires et de créer des applications avancées basées sur l'IA pour les soins de santé, les services financiers ainsi que les entreprises. Les entreprises qui mettent en œuvre le PET acquièrent des avantages stratégiques grâce aux insights de l'IA qui protègent la confidentialité des utilisateurs afin de développer une base numérique plus protégée.

Défis

• Complexité de l'intégration avec les systèmes existants : l'intégration de solutions informatiques améliorant la confidentialité avec l'infrastructure informatique existante nécessite des étapes complexes et gourmandes en ressources. Les organisations modernes gèrent des systèmes d’information existants qui ne peuvent pas fonctionner efficacement avec les technologies à venir préservant la confidentialité, notamment l’apprentissage fédéré. L'installation de ces systèmes nécessite des modifications majeures du système et des connaissances spécialisées ainsi que des procédures de test approfondies, ce qui entraîne des retards opérationnels et augmente les coûts totaux. Les entreprises ont du mal à adopter le PEC, car elles ont du mal à réaliser une intégration fluide entre ces systèmes avec leurs cadres de traitement de données actuels, même si elles souhaitent maintenir la stabilité et l'efficacité au lieu d'ajouter des fonctionnalités de confidentialité.
   
• Compromis entre confidentialité et performances : le chiffrement entièrement homomorphique (FHE), ainsi que d'autres techniques de calcul améliorant la confidentialité, telles que les environnements d'exécution fiables et le calcul multipartite, offrent une sécurité renforcée grâce aux opérations sur les informations chiffrées. FHE impose des limitations de performances notables car son fonctionnement nécessite une puissance de traitement énorme et des ressources mémoire importantes. Lorsqu'elles sont mises en œuvre dans FHE, les exigences informatiques deviennent élevées et les méthodes traditionnelles d'analyse de données s'avèrent nettement plus rapides. Le temps nécessaire au traitement via les technologies PEC peut rendre cette méthode inutilisable dans des situations nécessitant une fonctionnalité en temps réel, telles que des opérations de marché fréquentes et des systèmes de détection de fraude. De nombreuses organisations axées sur les performances évitent d'adopter le PEC en raison de ses restrictions d'intégration dans leur secteur.