Огляд ринку криптоактивів та дослідження гомоморфного шифрування

Станом на 13 жовтня, певна платформа даних провела статистичний аналіз обговорення основних криптоактивів та змін цін.

Обговорення біткоїна минулого тижня становило 12,52K, що на 0,98% менше, ніж попереднього тижня. Його закриття в неділю було на рівні 63916 доларів, що на 1,62% більше, ніж на той же тиждень минулого року.

Обговорення Ethereum минулого тижня досягло 3.63K разів, зростання на 3.45% в порівнянні з попереднім тижнем. Але його ціна в неділю становила 2530 доларів, що на 4% менше, ніж за той же період минулого тижня.

Тон монета обговорювалася 782 рази минулого тижня, що на 12.63% менше в порівнянні з попереднім тижнем. Її ціна в неділю становила 5.26 доларів, що на 0.25% менше, ніж за аналогічний період минулого тижня.

Гомоморфне шифрування(FHE) є перспективною технологією в галузі криптографії, яка дозволяє виконувати обчислення над зашифрованими даними без їх розшифровки. Ця особливість надає потужну підтримку для захисту конфіденційності та обробки даних. FHE має широкий спектр застосувань у фінансах, медицині, хмарних обчисленнях, машинному навчанні, виборчих системах, Інтернеті речей та захисті конфіденційності блокчейну. Незважаючи на це, шлях комерціалізації FHE стикається з численними викликами.

Потенціал FHE та сценарії застосування

Гомоморфне шифрування має найбільшу перевагу в захисті приватності. Наприклад, коли компанії потрібно скористатися обчислювальною потужністю іншої компанії для аналізу даних, але при цьому не хочеться, щоб вміст даних був розкритий, FHE може зіграти свою роль. Власник даних може надіслати зашифровані дані обчислювальній стороні для обробки, при цьому результати обчислень залишаються в зашифрованому стані, і власник даних може отримати результати аналізу після розшифровки. Цей механізм одночасно захищає приватність даних і реалізує необхідні обчислювальні завдання.

Цей механізм захисту конфіденційності є особливо важливим для чутливих до даних галузей, таких як фінанси та охорона здоров'я. З розвитком хмарних обчислень та штучного інтелекту безпека даних стає все більш актуальною. Гомоморфне шифрування (FHE) в цих сценаріях може забезпечити захист багатостороннього обчислення, дозволяючи сторонам співпрацювати без розкриття конфіденційної інформації. У технології блокчейн FHE підвищує прозорість і безпеку обробки даних завдяки функціям захисту конфіденційності на ланцюгу та перевірки приватних транзакцій.

Порівняння FHE з іншими способами шифрування

У сфері Web3 основними методами захисту конфіденційності є FHE, нульові знання (ZK), багатоходові обчислення (MPC) та довірене середовище виконання (TEE). На відміну від ZK, FHE може виконувати різні операції над зашифрованими даними без їх розшифровки. MPC дозволяє сторонам виконувати обчислення за зашифрованими даними без обміну конфіденційною інформацією. TEE забезпечує обчислення в безпечному середовищі, але має обмежену гнучкість у обробці даних.

Ці технології шифрування мають свої переваги, але у підтримці складних обчислювальних завдань FHE особливо виділяється. Проте FHE в реальних застосуваннях все ще стикається з високими обчислювальними витратами та поганою масштабованістю, що обмежує його ефективність у реальному часі.

Обмеження та виклики FHE

Хоча теоретична основа FHE є потужною, у комерційному застосуванні виникають практичні виклики:

1. Великі витрати обчислень: Гомоморфне шифрування потребує значних обчислювальних ресурсів, порівняно з нешифрованими обчисленнями його обчислювальні витрати значно зростають. Для високих ступенів поліноміальних обчислень час обробки зростає поліноміально, що ускладнює задоволення вимог до обчислень в реальному часі. Зниження витрат потребує використання спеціального апаратного прискорення, але це також збільшує складність розгортання.

2. Обмежені можливості операцій: хоча FHE може виконувати додавання та множення зашифрованих даних, підтримка складних нелінійних операцій є обмеженою, що є вузьким місцем для штучного інтелекту, пов'язаного з глибокими нейронними мережами. Поточні схеми FHE в основному підходять для лінійних та простих поліноміальних обчислень, застосування нелінійних моделей суттєво обмежене.

3. Складність підтримки кількох користувачів: FHE добре працює в сценаріях з одним користувачем, але при роботі з наборами даних кількох користувачів складність системи різко зростає. Хоча багато ключова FHE рамка, запропонована в 2013 році, дозволяє виконувати операції з зашифрованими наборами даних з різними ключами, управління ключами та складність архітектури системи значно зростає.

Поєднання FHE та штучного інтелекту

У сучасну епоху, що керується даними, штучний інтелект широко використовується в багатьох сферах, але занепокоєння щодо конфіденційності даних часто змушує користувачів не бажати ділитися чутливою інформацією. Гомоморфне шифрування пропонує рішення для захисту конфіденційності в галузі штучного інтелекту. У сценаріях хмарних обчислень передача та зберігання даних зазвичай зашифровані, але процес обробки часто виконується в незахищеному вигляді. Завдяки гомоморфному шифруванню дані користувачів можуть оброблятися у зашифрованому стані, забезпечуючи конфіденційність.

Ця перевага особливо важлива в умовах вимог регламентів, таких як GDPR, оскільки ці регламенти вимагають, щоб користувачі мали право знати про способи обробки даних і забезпечували захист даних під час передачі. Енд-то-енд шифрування FHE забезпечує відповідність і безпеку даних.

Поточне застосування гомоморфного шифрування у блокчейні та проєкти

FHE в блокчейні в основному використовується для захисту приватності даних, включаючи приватність в ланцюзі, приватність даних для навчання AI, приватність голосування в ланцюзі та перевірку приватних транзакцій в ланцюзі. На сьогодні кілька проектів використовують технологію FHE для реалізації захисту приватності.

Технології, розроблені одним із постачальників рішень FHE, широко застосовуються в кількох проектах захисту приватності. Ці проекти включають:

• На основі технології TFHE, що зосереджується на булевих обчисленнях і арифметичних операціях з малими цілими числами, було створено проект FHE-розробницького стеку для блокчейну та AI-додатків.

• Розроблено нову мову смарт-контрактів та бібліотеку FHE, що підходять для проектів у блокчейн-мережах.

• Використання Гомоморфного шифрування для забезпечення конфіденційності в обчислювальних мережах AI, підтримка різних моделей AI.

• Поєднуючи Гомоморфне шифрування та штучний інтелект, проєкт, що забезпечує децентралізоване та захищене конфіденційність середовище для штучного інтелекту.

• Як рішення другого рівня для Ethereum, підтримує FHE Rollups та FHE Coprocessors, сумісний з EVM і підтримує написання смарт-контрактів на Solidity.

Висновок

FHE як передова технологія, що дозволяє виконувати обчислення на зашифрованих даних, має значні переваги в захисті конфіденційності даних. Хоча наразі комерційне застосування FHE стикається з проблемами великої обчислювальної витрати та поганої масштабованості, ці проблеми можуть бути поступово вирішені за допомогою апаратного прискорення та оптимізації алгоритмів. З розвитком технологій блокчейну FHE відіграватиме все більшу роль у захисті конфіденційності та безпечних обчисленнях. У майбутньому FHE має стати ключовою технологією, що підтримує захист конфіденційності в обчисленнях, приносячи революційний прорив у безпеці даних.