FHE: Будущее вычислений с сохранением конфиденциальности
FHE (гомоморфное шифрование) — это продвинутая технология шифрования, позволяющая выполнять вычисления непосредственно над зашифрованными данными, тем самым обеспечивая обработку данных при защите конфиденциальности. Эта технология имеет широкие перспективы применения в таких областях, как финансы, медицина и облачные вычисления, где конфиденциальность данных имеет большое значение. Однако коммерциализация FHE по-прежнему сталкивается с множеством вызовов, главным образом из-за огромных вычислительных и оперативных затрат, а также недостаточной масштабируемости.
Основные принципы FHE
Основная идея FHE заключается в скрытии оригинальных данных с помощью сложных многочленных операций. Более конкретно:
Выберите многочлен ключа s(x)
Сгенерировать случайный многочлен a(x)
Сгенерировать небольшой многочлен "шум" e(x)
Шифрованный текст m: c(x) = m + a(x)*s(x) + e(x)
Для расшифровки достаточно знать ключи s(x), чтобы восстановить m из c(x). Введение случайного многочлена и шума направлено на повышение безопасности, чтобы предотвратить вывод закономерностей через простое повторное введение.
Но внедрение шума также принесло вызовы - по мере увеличения числа вычислений шум будет накапливаться, что в конечном итоге может привести к невозможности правильного расшифрования. Чтобы решить эту проблему, FHE использует несколько технологий:
Переключение ключа: сжатие размера шифрованного текста
Переключение модуля: контроль роста шума
Bootstrap: сбросить шум до начального уровня
Среди них Bootstrap является ключом к реализации настоящего FHE, но также является самой ресурсоемкой операцией.
Проблемы, с которыми сталкивается FHE
Основная проблема FHE заключается в низкой вычислительной эффективности. Даже простые операции могут иметь вычислительные затраты, которые в миллионы раз превышают обычные вычисления. Для улучшения этой ситуации в 2021 году Агентство передовых оборонных исследовательских проектов США (DARPA) запустило программу DPRIVE с целью увеличить скорость вычислений FHE до 1/10 от скорости обычных вычислений. Эта программа в основном сосредоточена на следующих аспектах:
Увеличить разрядность процессора для поддержки больших модулей
Разработка специализированных ASIC-процессоров
Построение параллельной архитектуры MIMD
Хотя программа DPRIVE скоро завершится, похоже, что прогресс не соответствует ожиданиям. Это указывает на то, что коммерциализация технологии FHE все еще требует времени.
Применение FHE в блокчейне
В области блокчейна FHE в основном используется для защиты конфиденциальности данных, сценарии применения включают:
Защита конфиденциальности в блокчейне
Конфиденциальность данных для обучения ИИ
Приватность голосования на блокчейне
Проверка конфиденциальных транзакций в блокчейне
Потенциальные решения MEV
Однако высокая вычислительная стоимость FHE также создает проблемы для его применения в блокчейне и может значительно снизить пропускную способность сети.
Основные проекты FHE
Основные проекты в области FHE на данный момент включают:
Zama: основанный на схеме TFHE, предлагает полный стек разработки FHE
Fhenix: создание ориентированного на конфиденциальность Optimism Layer 2
Privasea: стремится к применению FHE в обработке данных LLM
Inco Network: создание сети уровня 1 на основе FHE
Arcium: интеграция различных криптографических технологий, таких как FHE, MPC и ZK
Mind Network: Исследование применения FHE в области повторного стекинга
Octra: использует уникальную технологию гиперграфов для реализации FHE
Перспективы на будущее
Несмотря на то, что технология FHE в настоящее время все еще находится на ранней стадии и сталкивается с множеством проблем, ее потенциал в области защиты конфиденциальности нельзя игнорировать. С увеличением инвестиций и привлечением талантов, а также разработкой специализированного оборудования, FHE обещает значительные прорывы в будущем. Особенно в таких областях, как оборона, финансы и медицина, где требования к конфиденциальности данных крайне высоки, FHE может вызвать глубокие изменения.
Внедрение FHE-чипов станет ключевым этапом коммерциализации этой технологии. В настоящее время несколько компаний, таких как Intel, Chain Reaction, Optalysys, исследуют эту область. Как только FHE-чипы станут зрелыми, в сочетании с передовыми технологиями, такими как квантовые вычисления, они могут высвободить огромный инновационный потенциал.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
19 Лайков
Награда
19
5
Поделиться
комментарий
0/400
JustHereForMemes
· 07-16 08:45
Хватит фокусов, давайте вернемся к 0 и 1.
Посмотреть ОригиналОтветить0
MissedAirdropBro
· 07-15 14:20
Думай проще, будь ближе к реальности, записывать личные данные в Блокчейн и все, ничего сложного.
Посмотреть ОригиналОтветить0
TokenGuru
· 07-15 05:23
Разработка ресурсов слишком нагружает машины, боюсь, это не очередная ловушка для неудачников.
Посмотреть ОригиналОтветить0
StablecoinAnxiety
· 07-13 09:29
Не могу понять... знаю только, что эта вещь изменит мир.
Технология FHE: Анализ будущего приватных вычислений и применения Блокчейн
FHE: Будущее вычислений с сохранением конфиденциальности
FHE (гомоморфное шифрование) — это продвинутая технология шифрования, позволяющая выполнять вычисления непосредственно над зашифрованными данными, тем самым обеспечивая обработку данных при защите конфиденциальности. Эта технология имеет широкие перспективы применения в таких областях, как финансы, медицина и облачные вычисления, где конфиденциальность данных имеет большое значение. Однако коммерциализация FHE по-прежнему сталкивается с множеством вызовов, главным образом из-за огромных вычислительных и оперативных затрат, а также недостаточной масштабируемости.
Основные принципы FHE
Основная идея FHE заключается в скрытии оригинальных данных с помощью сложных многочленных операций. Более конкретно:
Для расшифровки достаточно знать ключи s(x), чтобы восстановить m из c(x). Введение случайного многочлена и шума направлено на повышение безопасности, чтобы предотвратить вывод закономерностей через простое повторное введение.
Но внедрение шума также принесло вызовы - по мере увеличения числа вычислений шум будет накапливаться, что в конечном итоге может привести к невозможности правильного расшифрования. Чтобы решить эту проблему, FHE использует несколько технологий:
Среди них Bootstrap является ключом к реализации настоящего FHE, но также является самой ресурсоемкой операцией.
Проблемы, с которыми сталкивается FHE
Основная проблема FHE заключается в низкой вычислительной эффективности. Даже простые операции могут иметь вычислительные затраты, которые в миллионы раз превышают обычные вычисления. Для улучшения этой ситуации в 2021 году Агентство передовых оборонных исследовательских проектов США (DARPA) запустило программу DPRIVE с целью увеличить скорость вычислений FHE до 1/10 от скорости обычных вычислений. Эта программа в основном сосредоточена на следующих аспектах:
Хотя программа DPRIVE скоро завершится, похоже, что прогресс не соответствует ожиданиям. Это указывает на то, что коммерциализация технологии FHE все еще требует времени.
Применение FHE в блокчейне
В области блокчейна FHE в основном используется для защиты конфиденциальности данных, сценарии применения включают:
Однако высокая вычислительная стоимость FHE также создает проблемы для его применения в блокчейне и может значительно снизить пропускную способность сети.
Основные проекты FHE
Основные проекты в области FHE на данный момент включают:
Перспективы на будущее
Несмотря на то, что технология FHE в настоящее время все еще находится на ранней стадии и сталкивается с множеством проблем, ее потенциал в области защиты конфиденциальности нельзя игнорировать. С увеличением инвестиций и привлечением талантов, а также разработкой специализированного оборудования, FHE обещает значительные прорывы в будущем. Особенно в таких областях, как оборона, финансы и медицина, где требования к конфиденциальности данных крайне высоки, FHE может вызвать глубокие изменения.
Внедрение FHE-чипов станет ключевым этапом коммерциализации этой технологии. В настоящее время несколько компаний, таких как Intel, Chain Reaction, Optalysys, исследуют эту область. Как только FHE-чипы станут зрелыми, в сочетании с передовыми технологиями, такими как квантовые вычисления, они могут высвободить огромный инновационный потенциал.