用 Stoffel MPC 构建隐私基因组研究

I Built a Private Genomics Study with Stoffel MPC

▲ 25vishakh8226 HN 评论区
用 Stoffel MPC 构建隐私基因组研究

大多数基因组研究都要求参与者上传不可更改的 DNA 数据，这带来了巨大的隐私风险。我利用 Stoffel MPC 构建了一个概念验证，让一百个模拟参与者在不暴露个人基因组的情况下，成功计算出了群体等位基因计数。在这个方案中，Monadic DNA 用户的基因型数据保留在手机上，仅通过 StoffelLang 编写的程序在多个 MPC 节点间进行安全聚合。实验表明，无需将原始数据集中到任何服务器，即可生成有效的研究结果。这不仅验证了 Stoffel MPC 在隐私保护计算中的可行性，也为未来构建不依赖中心化数据收集的基因组研究提供了新范式。

我们不再需要依赖更强大的隐私政策或更安全的中央数据库，我们完全可以避免将原始数据收集在同一个地方。
阅读原文 →HN 评论区RSS

HN 评论区

26
  1. usernametaken29

    在遗传学领域，终端用户从来不是消费者。你必须采集血液、制备样本、进行测序。这些全都是高度专业化的步骤，其中任何环节都可能出错，因此通常由医院来执行。这还只是在使用设备进行测序之前。最便宜的 nanopore 设备也要花你几万欧元。鉴于这个前提，你们的工作在我看来显得过于理论化。那个需要去中心化隐私计算的“神秘家庭 DNA 实验室”究竟是谁？

    另外，有趣的是，对于大多数基因组分析流程（例如亲子鉴定或癌症检测），一台家用电脑就足够了。当然，你需要具备专业的医学训练才能阅读、解读并判断结果，这也是为什么由医院来做的原因……那么，你们究竟在解决什么具体问题呢？

  2. badcryptobitch

    我是 stoffelmpc.com 的创始人。

    感谢 vishakh82 的分享。

    看到大家将 PETs（隐私增强技术）应用于关键问题，无论这些想法现在看来多么理论化（正如评论中所体现的），都令人振奋。像这样的 PoC（概念验证）是让此类工作和想法走向实用的正确方向。

    如果你们中有人想尝试 Stoffel，可以查看我们的文档 docs.stoffelmpc.com，或者访问我们的 GitHub 仓库：https://github.com/Stoffel-Labs/stoffel

  3. enbarca

    这是一个非常酷的自主权 AI 概念验证（PoC）！在用户手机上驻留的私有数据上进行联邦学习是合理的，但这仍然引出了一个问题：用户如何以私密的方式获取并控制对其基因组数据的访问权限。从我的角度来看，解决方案需要赋予用户对其数据的编程控制能力，无论这些数据存储在哪里。至少，这是 LifeCare.ID 项目背后的前提。如果你们愿意合作，请告诉我。https://lifecare.id

同日更多故事

2026-07-22