Informe semanal del mercado de Activos Cripto y análisis de la Cifrado homomórfico
Hasta el 13 de octubre, la plataforma de datos ha recopilado estadísticas sobre la discusión y la variación de precios de los principales Activos Cripto.
El número de discusiones sobre Bitcoin la semana pasada fue de 12.52K, lo que representa una disminución del 0.98% en comparación con la semana anterior. Su precio de cierre el domingo fue de 63916 dólares, un aumento del 1.62% en comparación con la semana anterior.
La discusión sobre Ethereum alcanzó la temperatura de 3.63K la semana pasada, un crecimiento 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 semana anterior.
El número de discusiones sobre TON la semana pasada fue de 782, lo que representa una disminución del 12.63% en comparación con la semana anterior. Su precio del domingo fue de 5.26 dólares, una ligera caída del 0.25% en comparación con la semana anterior.
Cifrado homomórfico(FHE) es una tecnología 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, y puede aplicarse ampliamente en finanzas, medicina, computación en la nube, aprendizaje automático, sistemas de votación, Internet de las cosas y protección de la privacidad en blockchain, entre otros campos. A pesar de que el horizonte de aplicaciones de FHE es amplio, todavía enfrenta muchos desafíos en su camino hacia la comercialización.
El potencial y las aplicaciones de FHE
La mayor ventaja de FHE 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 la otra parte tenga acceso al contenido específico, FHE puede desempeñar un papel. El propietario de los datos puede transferir los datos encriptados a la parte calculadora para su procesamiento, y los resultados de cálculo siguen manteniéndose en estado encriptado; el propietario de los datos puede descifrarlos para obtener los resultados del análisis. Este mecanismo protege eficazmente la privacidad de los datos, al mismo tiempo que permite a la parte calculadora completar el trabajo necesario.
Este mecanismo de protección de la privacidad es especialmente importante en industrias sensibles a los datos como las finanzas y la medicina. Con el desarrollo de la computación en la nube y la inteligencia artificial, la seguridad de los datos se ha convertido en un foco de atención. FHE puede proporcionar protección de cálculo multiparte en estos escenarios, permitiendo que las partes colaboren sin exponer información privada. En la tecnología blockchain, FHE mejora la transparencia y la seguridad del procesamiento de datos a través de funciones como la protección de privacidad en la cadena y la revisión de transacciones privadas.
Comparación entre FHE y otros métodos de encriptación
En el ámbito de Web3, FHE, pruebas de cero conocimiento (ZK), cálculo multipartito (MPC) y entornos de ejecución confiables (TEE) son todos métodos principales de protección de la privacidad. A diferencia de ZK, FHE puede realizar múltiples operaciones sobre datos encriptados sin necesidad de desencriptar primero los datos. MPC permite que las partes realicen cálculos en condiciones de datos encriptados sin compartir información privada entre sí. TEE proporciona computación en un entorno seguro, pero tiene una flexibilidad relativamente limitada en el procesamiento de datos.
Estas tecnologías de encriptación tienen sus propias ventajas, pero en el soporte de tareas de cálculo complejas, el Cifrado homomórfico (FHE) destaca especialmente. Sin embargo, el FHE todavía enfrenta problemas de alto costo computacional y mala escalabilidad en la aplicación práctica, lo que a menudo lo deja incapaz en aplicaciones en tiempo real.
Limitaciones y desafíos del cifrado homomórfico
A pesar de que la base teórica de FHE es sólida, se enfrenta a desafíos prácticos en su aplicación comercial:
Costos computacionales a gran escala: La FHE requiere una gran cantidad de recursos de cálculo, y en comparación con el cálculo sin encriptación, sus costos aumentan significativamente. Para operaciones polinómicas de alto grado, el tiempo de procesamiento crece de manera polinómica, lo que dificulta satisfacer las necesidades de cálculo en tiempo real. Reducir costos depende de la aceleración por hardware especializado, pero esto también aumenta la complejidad de la implementación.
Capacidad operativa limitada: Aunque el Cifrado homomórfico totalmente (FHE) puede realizar sumas y multiplicaciones de datos encriptados, el soporte para operaciones no lineales complejas es limitado, lo que representa un cuello de botella 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.
Complejidad del soporte multiusuario: FHE funciona bien en escenarios de un solo usuario, pero la complejidad del sistema aumenta drásticamente cuando se trata de conjuntos de datos multiusuario. Aunque hay investigaciones que proponen un marco FHE de múltiples claves, que permite operar conjuntos de datos encriptados con diferentes claves, la gestión de claves y la complejidad de la arquitectura del sistema aumentan significativamente.
La combinación de FHE y la inteligencia artificial
En la actual era impulsada por datos, la encriptación de inteligencia artificial (AI) se aplica ampliamente en múltiples campos, pero las preocupaciones sobre la privacidad de los datos a menudo hacen que los usuarios no estén dispuestos a compartir información sensible. FHE proporciona soluciones de protección de la privacidad en el campo de la IA. En el contexto de la computación en la nube, los datos suelen estar encriptados durante la transmisión y el almacenamiento, pero a menudo se encuentran en estado de texto claro durante el procesamiento. A través de FHE, los datos de los usuarios se pueden procesar manteniendo su estado encriptado, asegurando la privacidad.
Esta ventaja es especialmente importante bajo regulaciones como el GDPR, que exigen que los usuarios tengan derecho a ser informados sobre cómo se procesan sus datos y aseguran que los datos estén protegidos durante su transmisión. El cifrado de extremo a extremo de FHE garantiza la conformidad y la seguridad de los datos.
Aplicaciones actuales de FHE en blockchain y proyectos
La aplicación de FHE en la cadena de bloques se centra principalmente en la protección de la privacidad de los datos, incluyendo la privacidad en la cadena, la privacidad de los datos de entrenamiento de IA, la privacidad de las votaciones en la cadena y la revisión de transacciones privadas en la cadena. Actualmente, varios proyectos están utilizando la tecnología FHE para impulsar la implementación de la protección de la privacidad.
Algunos proyectos basados en la tecnología FHE incluyen:
Soluciones centradas en operaciones booleanas y operaciones con enteros de bajo tamaño, construyendo una pila de desarrollo FHE para aplicaciones de blockchain y AI.
Se desarrolló un nuevo lenguaje de contratos inteligentes y la biblioteca HyperghraphFHE, adecuada para redes de blockchain.
Utilizar FHE para implementar la protección de la privacidad en redes de cálculo de IA, soportando múltiples modelos de IA.
Combinando FHE con inteligencia artificial, se proporciona un entorno de IA descentralizado y con protección de la privacidad.
Como solución Layer 2 de Ethereum, soporta Rollups FHE y Coprocesadores FHE, es compatible con EVM y soporta contratos inteligentes escritos 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 la aplicación comercial actual de FHE aún enfrenta problemas de alto costo computacional y mala escalabilidad, se espera que estos problemas se resuelvan gradualmente mediante la aceleración de hardware y la optimización de algoritmos. Además, 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, FHE podría convertirse en la tecnología central que respalda el cálculo de protección de la privacidad, trayendo nuevos avances revolucionarios para la seguridad de los datos.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
12 me gusta
Recompensa
12
6
Compartir
Comentar
0/400
OldLeekConfession
· hace7h
eth todavía está lamentándose
Ver originalesResponder0
DeFi_Dad_Jokes
· hace7h
¿Otra vez contar historias para tomar a la gente por tonta?
Ver originalesResponder0
DeadTrades_Walking
· hace7h
BTC aún sigue subiendo, otras monedas realmente están en verde.
Ver originalesResponder0
HypotheticalLiquidator
· hace7h
El disfraz de un bull run técnico, la gestión de riesgos es la clave.
Ver originalesResponder0
DAOdreamer
· hace7h
¿Cuándo será el fin de esta caída interminable?
Ver originalesResponder0
ImpermanentPhobia
· hace8h
Acumulación de monedas en el bull run, tontos, entiendan un poco.
Informe semanal del mercado de Activos Cripto: BTC sube 1.62% ETH cae 4% Análisis de las perspectivas de aplicación de la tecnología FHE
Informe semanal del mercado de Activos Cripto y análisis de la Cifrado homomórfico
Hasta el 13 de octubre, la plataforma de datos ha recopilado estadísticas sobre la discusión y la variación de precios de los principales Activos Cripto.
El número de discusiones sobre Bitcoin la semana pasada fue de 12.52K, lo que representa una disminución del 0.98% en comparación con la semana anterior. Su precio de cierre el domingo fue de 63916 dólares, un aumento del 1.62% en comparación con la semana anterior.
La discusión sobre Ethereum alcanzó la temperatura de 3.63K la semana pasada, un crecimiento 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 semana anterior.
El número de discusiones sobre TON la semana pasada fue de 782, lo que representa una disminución del 12.63% en comparación con la semana anterior. Su precio del domingo fue de 5.26 dólares, una ligera caída del 0.25% en comparación con la semana anterior.
Cifrado homomórfico(FHE) es una tecnología 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, y puede aplicarse ampliamente en finanzas, medicina, computación en la nube, aprendizaje automático, sistemas de votación, Internet de las cosas y protección de la privacidad en blockchain, entre otros campos. A pesar de que el horizonte de aplicaciones de FHE es amplio, todavía enfrenta muchos desafíos en su camino hacia la comercialización.
El potencial y las aplicaciones de FHE
La mayor ventaja de FHE 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 la otra parte tenga acceso al contenido específico, FHE puede desempeñar un papel. El propietario de los datos puede transferir los datos encriptados a la parte calculadora para su procesamiento, y los resultados de cálculo siguen manteniéndose en estado encriptado; el propietario de los datos puede descifrarlos para obtener los resultados del análisis. Este mecanismo protege eficazmente la privacidad de los datos, al mismo tiempo que permite a la parte calculadora completar el trabajo necesario.
Este mecanismo de protección de la privacidad es especialmente importante en industrias sensibles a los datos como las finanzas y la medicina. Con el desarrollo de la computación en la nube y la inteligencia artificial, la seguridad de los datos se ha convertido en un foco de atención. FHE puede proporcionar protección de cálculo multiparte en estos escenarios, permitiendo que las partes colaboren sin exponer información privada. En la tecnología blockchain, FHE mejora la transparencia y la seguridad del procesamiento de datos a través de funciones como la protección de privacidad en la cadena y la revisión de transacciones privadas.
Comparación entre FHE y otros métodos de encriptación
En el ámbito de Web3, FHE, pruebas de cero conocimiento (ZK), cálculo multipartito (MPC) y entornos de ejecución confiables (TEE) son todos métodos principales de protección de la privacidad. A diferencia de ZK, FHE puede realizar múltiples operaciones sobre datos encriptados sin necesidad de desencriptar primero los datos. MPC permite que las partes realicen cálculos en condiciones de datos encriptados sin compartir información privada entre sí. TEE proporciona computación en un entorno seguro, pero tiene una flexibilidad relativamente limitada en el procesamiento de datos.
Estas tecnologías de encriptación tienen sus propias ventajas, pero en el soporte de tareas de cálculo complejas, el Cifrado homomórfico (FHE) destaca especialmente. Sin embargo, el FHE todavía enfrenta problemas de alto costo computacional y mala escalabilidad en la aplicación práctica, lo que a menudo lo deja incapaz en aplicaciones en tiempo real.
Limitaciones y desafíos del cifrado homomórfico
A pesar de que la base teórica de FHE es sólida, se enfrenta a desafíos prácticos en su aplicación comercial:
Costos computacionales a gran escala: La FHE requiere una gran cantidad de recursos de cálculo, y en comparación con el cálculo sin encriptación, sus costos aumentan significativamente. Para operaciones polinómicas de alto grado, el tiempo de procesamiento crece de manera polinómica, lo que dificulta satisfacer las necesidades de cálculo en tiempo real. Reducir costos depende de la aceleración por hardware especializado, pero esto también aumenta la complejidad de la implementación.
Capacidad operativa limitada: Aunque el Cifrado homomórfico totalmente (FHE) puede realizar sumas y multiplicaciones de datos encriptados, el soporte para operaciones no lineales complejas es limitado, lo que representa un cuello de botella 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.
Complejidad del soporte multiusuario: FHE funciona bien en escenarios de un solo usuario, pero la complejidad del sistema aumenta drásticamente cuando se trata de conjuntos de datos multiusuario. Aunque hay investigaciones que proponen un marco FHE de múltiples claves, que permite operar conjuntos de datos encriptados con diferentes claves, la gestión de claves y la complejidad de la arquitectura del sistema aumentan significativamente.
La combinación de FHE y la inteligencia artificial
En la actual era impulsada por datos, la encriptación de inteligencia artificial (AI) se aplica ampliamente en múltiples campos, pero las preocupaciones sobre la privacidad de los datos a menudo hacen que los usuarios no estén dispuestos a compartir información sensible. FHE proporciona soluciones de protección de la privacidad en el campo de la IA. En el contexto de la computación en la nube, los datos suelen estar encriptados durante la transmisión y el almacenamiento, pero a menudo se encuentran en estado de texto claro durante el procesamiento. A través de FHE, los datos de los usuarios se pueden procesar manteniendo su estado encriptado, asegurando la privacidad.
Esta ventaja es especialmente importante bajo regulaciones como el GDPR, que exigen que los usuarios tengan derecho a ser informados sobre cómo se procesan sus datos y aseguran que los datos estén protegidos durante su transmisión. El cifrado de extremo a extremo de FHE garantiza la conformidad y la seguridad de los datos.
Aplicaciones actuales de FHE en blockchain y proyectos
La aplicación de FHE en la cadena de bloques se centra principalmente en la protección de la privacidad de los datos, incluyendo la privacidad en la cadena, la privacidad de los datos de entrenamiento de IA, la privacidad de las votaciones en la cadena y la revisión de transacciones privadas en la cadena. Actualmente, varios proyectos están utilizando la tecnología FHE para impulsar la implementación de la protección de la privacidad.
Algunos proyectos basados en la tecnología FHE incluyen:
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 la aplicación comercial actual de FHE aún enfrenta problemas de alto costo computacional y mala escalabilidad, se espera que estos problemas se resuelvan gradualmente mediante la aceleración de hardware y la optimización de algoritmos. Además, 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, FHE podría convertirse en la tecnología central que respalda el cálculo de protección de la privacidad, trayendo nuevos avances revolucionarios para la seguridad de los datos.