Informe semanal del mercado de Activos Cripto y análisis de la tecnología de Cifrado homomórfico

Hasta el 13 de octubre, una plataforma de datos realizó un análisis estadístico sobre la intensidad de la discusión y los cambios de precio de los principales Activos Cripto.

La cantidad de discusiones sobre Bitcoin la semana pasada fue de 12.52K, disminuyendo ligeramente un 0.98% en comparación con la semana anterior. Su precio de cierre del domingo fue de 63916 dólares, aumentando un 1.62% en comparación con el mismo período de la semana pasada.

La discusión sobre Ethereum alcanzó 3.63K veces la semana pasada, un aumento del 3.45% en comparación con la semana anterior. Sin embargo, su precio del domingo fue de 2530 dólares, una caída del 4% en comparación con la misma semana del mes anterior.

La moneda TON se discutió 782 veces la semana pasada, con una disminución del 12.63% en comparación con la semana anterior. Su precio del domingo fue de 5.26 dólares, un leve descenso del 0.25% en comparación con la misma semana del año pasado.

Cifrado homomórfico ( FHE ) es una tecnología muy prometedora en el campo de la criptografía, que permite realizar cálculos directamente sobre datos encriptados sin necesidad de desencriptarlos. Esta característica proporciona un fuerte apoyo para la protección de la privacidad y el procesamiento de datos. FHE tiene amplias perspectivas de aplicación en varios campos, como finanzas, salud, computación en la nube, aprendizaje automático, sistemas de votación, Internet de las cosas y protección de la privacidad en blockchain. Sin embargo, el camino hacia la comercialización de FHE todavía enfrenta numerosos desafíos.

Potencial y escenarios de aplicación de FHE

La mayor ventaja del cifrado homomórfico radica en la protección de la privacidad. Por ejemplo, cuando una empresa necesita utilizar la capacidad de cálculo de otra empresa para analizar datos, pero no desea que el contenido de los datos se filtre, el FHE puede desempeñar un papel. El propietario de los datos puede enviar los datos encriptados a la parte que realiza el cálculo para su procesamiento, y los resultados del cálculo permanecen en estado encriptado; el propietario de los datos puede descifrarlos para obtener los resultados del análisis. Este mecanismo protege la privacidad de los datos y permite realizar la tarea de cálculo necesaria.

Este mecanismo de protección de la privacidad es especialmente importante en industrias sensibles a datos como las finanzas y la salud. Con el desarrollo de la computación en la nube y la inteligencia artificial, la seguridad de los datos se ha convertido cada vez más en un foco de atención. FHE puede proporcionar protección de computación multipartita en estos escenarios, permitiendo que las partes colaboren sin exponer información privada. En la tecnología de blockchain, FHE mejora la transparencia y la seguridad en el procesamiento de datos a través de funciones como la protección de la privacidad en la cadena y la revisión de transacciones privadas.

Comparación de FHE con otros métodos de encriptación

En el ámbito de Web3, FHE, pruebas de cero conocimiento (ZK), computación multipartita (MPC) y entornos de ejecución confiables (TEE) son los principales métodos de protección de la privacidad. A diferencia de ZK, FHE puede realizar múltiples operaciones sobre datos encriptados sin necesidad de descifrarlos. MPC permite a las partes realizar cálculos en condiciones de datos encriptados sin compartir información privada. TEE proporciona un entorno seguro para el cálculo, pero tiene una flexibilidad limitada en el procesamiento de datos.

Estas tecnologías de encriptación tienen sus propias ventajas, pero en términos de soportar tareas de cálculo complejas, el Cifrado homomórfico (FHE) se destaca especialmente. Sin embargo, el FHE todavía enfrenta problemas de alto costo computacional y mala escalabilidad en aplicaciones prácticas, lo que limita su rendimiento en aplicaciones en tiempo real.

Limitaciones y desafíos de FHE

A pesar de que la base teórica de FHE es sólida, se han encontrado desafíos prácticos en su aplicación comercial:

1. Alto costo computacional: FHE requiere una gran cantidad de recursos computacionales, lo que aumenta significativamente el costo en comparación con cálculos no encriptados. Para operaciones de polinomios de alto grado, el tiempo de procesamiento crece de manera polinómica, dificultando el cumplimiento de las demandas de cálculo en tiempo real. La reducción de costos depende de la aceleración por hardware especializado, pero esto también aumenta la complejidad de la implementación.

2. Capacidad operativa limitada: Aunque FHE puede realizar adiciones y multiplicaciones de datos encriptados, su soporte para operaciones no lineales complejas es limitado, lo que representa un obstáculo para aplicaciones de inteligencia artificial que involucran redes neuronales profundas. Actualmente, los esquemas FHE son principalmente adecuados para cálculos lineales y polinómicos simples, y las aplicaciones de modelos no lineales están significativamente restringidas.

3. Complejidad del soporte de múltiples usuarios: FHE se desempeña bien en escenarios de usuario único, pero la complejidad del sistema aumenta drásticamente cuando se trata de conjuntos de datos de múltiples usuarios. El marco de FHE de múltiples claves propuesto en 2013 permite operar con conjuntos de datos encriptados con diferentes claves, pero la gestión de claves y la complejidad de la arquitectura del sistema aumentan significativamente.

La combinación de Cifrado homomórfico e inteligencia artificial

En la actual era impulsada por datos, la inteligencia artificial se aplica ampliamente en múltiples campos, pero las preocupaciones sobre la privacidad de los datos a menudo hacen que los usuarios sean reacios a compartir información sensible. El Cifrado homomórfico (FHE) proporciona soluciones de protección de la privacidad en el campo de la inteligencia artificial. En el contexto de la computación en la nube, la transmisión y el almacenamiento de datos suelen estar encriptados, pero el proceso de procesamiento a menudo está en texto plano. A través del FHE, los datos de los usuarios se pueden procesar mientras se mantienen en estado encriptado, asegurando la privacidad.

Esta ventaja es especialmente importante bajo regulaciones como el GDPR, ya que estas regulaciones exigen que los usuarios tengan derecho a ser informados sobre cómo se procesa su información y aseguran que los datos estén protegidos durante la transmisión. El cifrado homomórfico (FHE) proporciona una garantía de cumplimiento y seguridad de los datos.

Aplicaciones actuales de FHE en blockchain y proyectos

FHE se utiliza principalmente en la cadena de bloques para proteger la privacidad de los datos, incluyendo la privacidad en la cadena, la privacidad de los datos de entrenamiento de IA, la privacidad de votaciones en la cadena y la revisión de transacciones privadas en la cadena. Actualmente, varios proyectos están utilizando la tecnología FHE para promover la implementación de la protección de la privacidad.

La tecnología construida por un proveedor de soluciones FHE se aplica ampliamente en varios proyectos de protección de la privacidad. Estos proyectos incluyen:

• Basado en la tecnología TFHE, se enfoca en operaciones booleanas y operaciones con enteros de bajo tamaño, y ha construido un proyecto de pila de desarrollo FHE para aplicaciones de blockchain y AI.

• Desarrolló un nuevo lenguaje de contratos inteligentes y una biblioteca FHE, adecuados para proyectos de redes blockchain.

• Utilizar FHE para implementar la protección de la privacidad en redes de cálculo de IA, apoyando proyectos de múltiples modelos de IA.

• Un proyecto que combina Cifrado homomórfico y inteligencia artificial para proporcionar un entorno de IA descentralizado y con protección de la privacidad.

• Como solución de Layer 2 de Ethereum, admite Rollups FHE y Coprocesadores FHE, es compatible con EVM y apoya la escritura de contratos inteligentes en Solidity.

Conclusión

FHE como una tecnología avanzada que puede realizar cálculos sobre datos encriptados, tiene ventajas significativas en la protección de la privacidad de los datos. Aunque las aplicaciones comerciales actuales de FHE enfrentan problemas de altos costos computacionales y mala escalabilidad, se espera que estos problemas se resuelvan gradualmente a través de la aceleración de hardware y la optimización de algoritmos. Con el desarrollo de la tecnología blockchain, FHE desempeñará un papel cada vez más importante en la protección de la privacidad y el cálculo seguro. En el futuro, se espera que FHE se convierta en la tecnología central que respalde el cálculo de protección de la privacidad, trayendo avances revolucionarios en la seguridad de los datos.