FHE: Ponerse la capa de invisibilidad de Harry Potter
FHE (encriptación homomórfica total) es una tecnología de encriptación avanzada que permite realizar cálculos directamente sobre datos encriptados. Esto significa que se pueden procesar datos mientras se protege la privacidad. FHE tiene múltiples aplicaciones potenciales, especialmente en el procesamiento y análisis de datos que requieren protección de la privacidad, como en finanzas, salud, computación en la nube, aprendizaje automático, sistemas de votación, Internet de las Cosas, y protección de la privacidad en blockchain. Sin embargo, su comercialización aún requiere tiempo, ya que los principales desafíos son el enorme costo computacional y de memoria que trae el algoritmo, así como su escasa escalabilidad. A continuación, presentaremos brevemente los principios básicos del algoritmo y discutiremos los problemas que enfrenta este algoritmo criptográfico.
Principios básicos
Para realizar cálculos sobre datos cifrados y obtener los mismos resultados, FHE utiliza polinomios para ocultar la información original. Los polinomios se pueden convertir en problemas de álgebra lineal o problemas de cálculo vectorial, lo que facilita a las computadoras modernas realizar operaciones altamente optimizadas como el cálculo paralelo (.
Tomando el número digital 2 como ejemplo, en un sistema HE simplificado, podría ser:
Generar un pequeño polinomio de "error" e)x( = -x + 2
c)x( = 2 + a)x(*s)x( + e)x(
Esto se hace para proteger la confidencialidad de s)x(. Siempre que se conozca s)x(, e ignorando los pequeños errores en c)x(, se puede obtener el texto en claro m.
Al elegir un polinomio, se deben considerar:
El grado de un polinomio suele ser una potencia de 2, como 1024/2048
Coeficientes seleccionados al azar del campo finito q, como mod 10000
Diferentes esquemas tienen diferentes requisitos de selección de coeficientes
La introducción de ruido e)x( es para confundir a los atacantes y evitar que deduzcan la relación entre s)x( y c)x( a través de la entrada repetida del texto en claro m. El presupuesto de ruido)Noise Budget( es un parámetro importante que determina el número de cálculos que se pueden realizar.
Para representar operaciones como c)x( * d)x(, es necesario convertirlas en "circuito". El modelo de circuito puede rastrear y gestionar con precisión el ruido introducido por cada operación, lo que también facilita la aceleración de los cálculos en hardware especializado como ASIC y FPGA. Los circuitos se pueden dividir en dos tipos: circuitos aritméticos y circuitos booleanos.
El ruido es la principal razón que limita la expresión de cualquier cálculo del algoritmo HE. Para resolver este problema, se han propuesto varias soluciones:
LHE: Adecuado para ejecutar cualquier función dentro de una profundidad determinada.
Cambio de clave: comprimir el texto cifrado, pero introducirá un poco de ruido
Cambio de módulo: reducir el ruido al disminuir el módulo q
Bootstrap: Restablecer el ruido al nivel original, mantener la capacidad de cálculo del sistema
Actualmente, los principales esquemas de FHE utilizan la tecnología Bootstrap, incluidos BGV, BFV, CKKS, TFHE, entre otros.
![Gate Ventures Instituto de Investigación: FHE, cubierto con la capa de invisibilidad de Harry Potter])https://img-cdn.gateio.im/webp-social/moments-4a7670767b0963cded31da66c52ad97e.webp(
Problemas que enfrenta FHE
El principal desafío de FHE radica en su enorme costo computacional. Tomando como ejemplo la descifrado AES-128, el tiempo de cálculo de la versión FHE es aproximadamente 500 millones de veces mayor que el de la versión normal.
Para hacer frente a este desafío, DARPA lanzó en 2021 el programa Dprive, cuyo objetivo es aumentar la velocidad de cálculo de FHE a 1/10 de la computación normal. El programa aborda los siguientes aspectos:
Aumentar la longitud de palabra del procesador a 1024 bits o más
Construir procesadores ASIC especializados
Construir una arquitectura paralela MIMD
A pesar de los avances lentos, la tecnología FHE sigue teniendo un significado único, especialmente en el manejo de datos sensibles. Es especialmente aplicable a datos sensibles críticos en campos como la defensa, la medicina y las finanzas, y se vuelve aún más importante en la era post-cuántica.
![Gate Ventures Investigación: FHE, vestido con la capa de invisibilidad de Harry Potter])https://img-cdn.gateio.im/webp-social/moments-186e4abe7434e22b3daf0389cf199699.webp(
La combinación de blockchain
En la blockchain, FHE se utiliza principalmente para proteger la privacidad de los datos. Los campos de aplicación incluyen la privacidad en la cadena, la privacidad de los datos de entrenamiento de IA, la privacidad en las votaciones en la cadena, la revisión de transacciones privadas en la cadena, entre otros. FHE también se considera una de las soluciones potenciales para el MEV en la cadena.
Sin embargo, el comercio completamente encriptado también puede traer algunos problemas, como la desaparición de las externalidades positivas causadas por los bots MEV, los validadores y los Constructores necesitan operar en un entorno FHE, lo que aumenta significativamente los requisitos de operación de los nodos y disminuye el rendimiento de la red.
![Gate Ventures Instituto de Investigación: FHE, cubierto con la capa de invisibilidad de Harry Potter])https://img-cdn.gateio.im/webp-social/moments-673ae606fcd3769523e1a330f991464d.webp(
Proyectos principales
La mayoría de los proyectos de FHE actuales utilizan tecnología de Zama, como Fhenix, Privasea, Inco Network, Mind Network, entre otros. La principal diferencia entre estos proyectos radica en el modelo de negocio:
Fhenix: Construyendo una Capa 2 de Optimismo con prioridad en la privacidad
Privasea: Utiliza FHE para cálculos de datos LLM
Inco Network: construir Layer 1
Arcium: Fusión de tecnologías FHE, MPC y ZK
Mind Network: Seleccionar la pista de Restaking
![Gate Ventures Research Institute: FHE, vestido con la capa de invisibilidad de Harry Potter])https://img-cdn.gateio.im/webp-social/moments-22d66cabb8f0a526bb728b7b4ced159b.webp(
) Zama
Zama se basa en el esquema TFHE, utiliza tecnología Bootstrap, adecuada para manejar operaciones booleanas y operaciones de enteros de baja longitud. Su trabajo principal incluye:
Reescribir TFHE en Rust
Desarrollar la herramienta Concrate para convertir Python en código equivalente rs-TFHE.
Desarrollar fhEVM, soportar contratos inteligentes de cifrado de extremo a extremo basados en Solidity.
Zama, como producto To B, ha construido una pila de desarrollo de blockchain + IA basada en TFHE bastante completa.
![Gate Ventures Investigación: FHE, vestido con la capa de invisibilidad de Harry Potter]###https://img-cdn.gateio.im/webp-social/moments-d745afb65d7c110a6e6333a6d73b60b5.webp(
) Octra
Octra utiliza la tecnología de hipergrafos para implementar bootstrap, creyendo que esto puede lograr un FHE más eficiente. Sus características incluyen:
Construir un nuevo lenguaje de contratos inteligentes
Desarrollar la biblioteca Hyperghraph FHE
Construcción de la arquitectura de la mainnet y subnets
Desarrollar un protocolo de consenso ML-consensus basado en aprendizaje automático
![Gate Ventures Investigación: FHE, cubierto con la capa de invisibilidad de Harry Potter]###https://img-cdn.gateio.im/webp-social/moments-99ea73218c9e569a2de152d8a37338f4.webp(
Esperando
La tecnología FHE todavía se encuentra en una etapa temprana, y su desarrollo no es tan avanzado como el de la tecnología ZK. Los principales desafíos incluyen altos costos, alta dificultad técnica y perspectivas de comercialización poco claras. A medida que más fondos y atención fluyan hacia este campo, se espera que surjan más proyectos de FHE.
La implementación de los chips FHE es un requisito importante para la comercialización. Actualmente, varios fabricantes como Intel, Chain Reaction, Optalysys, entre otros, están explorando este campo.
A pesar de enfrentar obstáculos técnicos, la FHE, como una tecnología prometedora y con una demanda concreta, podría traer profundas transformaciones a industrias como la defensa, las finanzas y la salud. Con la implementación de chips FHE, liberando el potencial de los datos de privacidad combinados con futuras tecnologías de algoritmos cuánticos, se espera que la FHE alcance un momento de explosión.
![Gate Ventures Research Institute: FHE, vestido con la capa de invisibilidad de Harry Potter])https://img-cdn.gateio.im/webp-social/moments-74c86e1ff0ef22f5aef9b5cc441d60eb.webp(
![Gate Ventures Research Institute: FHE, vestido con la capa de invisibilidad de Harry Potter])https://img-cdn.gateio.im/webp-social/moments-93dd078bf652201018797c88a14203f9.webp(
![Gate Ventures Instituto de Investigación: FHE, cubierto con la capa de invisibilidad de Harry Potter])https://img-cdn.gateio.im/webp-social/moments-ed3a576f24107d796df96ed44068e43f.webp(
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
13 me gusta
Recompensa
13
4
Republicar
Compartir
Comentar
0/400
ThatsNotARugPull
· hace11h
¿Cuándo se lanzará la capa de invisibilidad?
Ver originalesResponder0
FudVaccinator
· 08-12 19:38
La homomorfía completa es correcta lo que dices.
Ver originalesResponder0
AirdropHunter
· 08-12 19:23
La capa de invisibilidad puede, quiero raspar los datos privados.
Análisis de la tecnología FHE: cómo la encriptación completamente homomórfica trae una revolución en el cálculo de la privacidad para Web3
FHE: Ponerse la capa de invisibilidad de Harry Potter
FHE (encriptación homomórfica total) es una tecnología de encriptación avanzada que permite realizar cálculos directamente sobre datos encriptados. Esto significa que se pueden procesar datos mientras se protege la privacidad. FHE tiene múltiples aplicaciones potenciales, especialmente en el procesamiento y análisis de datos que requieren protección de la privacidad, como en finanzas, salud, computación en la nube, aprendizaje automático, sistemas de votación, Internet de las Cosas, y protección de la privacidad en blockchain. Sin embargo, su comercialización aún requiere tiempo, ya que los principales desafíos son el enorme costo computacional y de memoria que trae el algoritmo, así como su escasa escalabilidad. A continuación, presentaremos brevemente los principios básicos del algoritmo y discutiremos los problemas que enfrenta este algoritmo criptográfico.
Principios básicos
Para realizar cálculos sobre datos cifrados y obtener los mismos resultados, FHE utiliza polinomios para ocultar la información original. Los polinomios se pueden convertir en problemas de álgebra lineal o problemas de cálculo vectorial, lo que facilita a las computadoras modernas realizar operaciones altamente optimizadas como el cálculo paralelo (.
Tomando el número digital 2 como ejemplo, en un sistema HE simplificado, podría ser:
Esto se hace para proteger la confidencialidad de s)x(. Siempre que se conozca s)x(, e ignorando los pequeños errores en c)x(, se puede obtener el texto en claro m.
Al elegir un polinomio, se deben considerar:
La introducción de ruido e)x( es para confundir a los atacantes y evitar que deduzcan la relación entre s)x( y c)x( a través de la entrada repetida del texto en claro m. El presupuesto de ruido)Noise Budget( es un parámetro importante que determina el número de cálculos que se pueden realizar.
Para representar operaciones como c)x( * d)x(, es necesario convertirlas en "circuito". El modelo de circuito puede rastrear y gestionar con precisión el ruido introducido por cada operación, lo que también facilita la aceleración de los cálculos en hardware especializado como ASIC y FPGA. Los circuitos se pueden dividir en dos tipos: circuitos aritméticos y circuitos booleanos.
El ruido es la principal razón que limita la expresión de cualquier cálculo del algoritmo HE. Para resolver este problema, se han propuesto varias soluciones:
Actualmente, los principales esquemas de FHE utilizan la tecnología Bootstrap, incluidos BGV, BFV, CKKS, TFHE, entre otros.
![Gate Ventures Instituto de Investigación: FHE, cubierto con la capa de invisibilidad de Harry Potter])https://img-cdn.gateio.im/webp-social/moments-4a7670767b0963cded31da66c52ad97e.webp(
Problemas que enfrenta FHE
El principal desafío de FHE radica en su enorme costo computacional. Tomando como ejemplo la descifrado AES-128, el tiempo de cálculo de la versión FHE es aproximadamente 500 millones de veces mayor que el de la versión normal.
Para hacer frente a este desafío, DARPA lanzó en 2021 el programa Dprive, cuyo objetivo es aumentar la velocidad de cálculo de FHE a 1/10 de la computación normal. El programa aborda los siguientes aspectos:
A pesar de los avances lentos, la tecnología FHE sigue teniendo un significado único, especialmente en el manejo de datos sensibles. Es especialmente aplicable a datos sensibles críticos en campos como la defensa, la medicina y las finanzas, y se vuelve aún más importante en la era post-cuántica.
![Gate Ventures Investigación: FHE, vestido con la capa de invisibilidad de Harry Potter])https://img-cdn.gateio.im/webp-social/moments-186e4abe7434e22b3daf0389cf199699.webp(
La combinación de blockchain
En la blockchain, FHE se utiliza principalmente para proteger la privacidad de los datos. Los campos de aplicación incluyen la privacidad en la cadena, la privacidad de los datos de entrenamiento de IA, la privacidad en las votaciones en la cadena, la revisión de transacciones privadas en la cadena, entre otros. FHE también se considera una de las soluciones potenciales para el MEV en la cadena.
Sin embargo, el comercio completamente encriptado también puede traer algunos problemas, como la desaparición de las externalidades positivas causadas por los bots MEV, los validadores y los Constructores necesitan operar en un entorno FHE, lo que aumenta significativamente los requisitos de operación de los nodos y disminuye el rendimiento de la red.
![Gate Ventures Instituto de Investigación: FHE, cubierto con la capa de invisibilidad de Harry Potter])https://img-cdn.gateio.im/webp-social/moments-673ae606fcd3769523e1a330f991464d.webp(
Proyectos principales
La mayoría de los proyectos de FHE actuales utilizan tecnología de Zama, como Fhenix, Privasea, Inco Network, Mind Network, entre otros. La principal diferencia entre estos proyectos radica en el modelo de negocio:
![Gate Ventures Research Institute: FHE, vestido con la capa de invisibilidad de Harry Potter])https://img-cdn.gateio.im/webp-social/moments-22d66cabb8f0a526bb728b7b4ced159b.webp(
) Zama
Zama se basa en el esquema TFHE, utiliza tecnología Bootstrap, adecuada para manejar operaciones booleanas y operaciones de enteros de baja longitud. Su trabajo principal incluye:
Zama, como producto To B, ha construido una pila de desarrollo de blockchain + IA basada en TFHE bastante completa.
![Gate Ventures Investigación: FHE, vestido con la capa de invisibilidad de Harry Potter]###https://img-cdn.gateio.im/webp-social/moments-d745afb65d7c110a6e6333a6d73b60b5.webp(
) Octra
Octra utiliza la tecnología de hipergrafos para implementar bootstrap, creyendo que esto puede lograr un FHE más eficiente. Sus características incluyen:
![Gate Ventures Investigación: FHE, cubierto con la capa de invisibilidad de Harry Potter]###https://img-cdn.gateio.im/webp-social/moments-99ea73218c9e569a2de152d8a37338f4.webp(
Esperando
La tecnología FHE todavía se encuentra en una etapa temprana, y su desarrollo no es tan avanzado como el de la tecnología ZK. Los principales desafíos incluyen altos costos, alta dificultad técnica y perspectivas de comercialización poco claras. A medida que más fondos y atención fluyan hacia este campo, se espera que surjan más proyectos de FHE.
La implementación de los chips FHE es un requisito importante para la comercialización. Actualmente, varios fabricantes como Intel, Chain Reaction, Optalysys, entre otros, están explorando este campo.
A pesar de enfrentar obstáculos técnicos, la FHE, como una tecnología prometedora y con una demanda concreta, podría traer profundas transformaciones a industrias como la defensa, las finanzas y la salud. Con la implementación de chips FHE, liberando el potencial de los datos de privacidad combinados con futuras tecnologías de algoritmos cuánticos, se espera que la FHE alcance un momento de explosión.
![Gate Ventures Research Institute: FHE, vestido con la capa de invisibilidad de Harry Potter])https://img-cdn.gateio.im/webp-social/moments-74c86e1ff0ef22f5aef9b5cc441d60eb.webp(
![Gate Ventures Research Institute: FHE, vestido con la capa de invisibilidad de Harry Potter])https://img-cdn.gateio.im/webp-social/moments-93dd078bf652201018797c88a14203f9.webp(
![Gate Ventures Instituto de Investigación: FHE, cubierto con la capa de invisibilidad de Harry Potter])https://img-cdn.gateio.im/webp-social/moments-ed3a576f24107d796df96ed44068e43f.webp(