Activos Cripto mercado dinámico y desarrollo de la Cifrado homomórfico tecnología

Según las estadísticas más recientes, hasta el 13 de octubre, la popularidad de discusión y el rendimiento de precios de los principales Activos Cripto son los siguientes:

La frecuencia de discusión de Bitcoin la semana pasada fue de 12.52K, lo que representa una ligera 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 misma semana del mes anterior.

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

El número de discusiones sobre TON moneda 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 leve caída del 0.25% con respecto a la misma semana del mes pasado.

El Cifrado homomórfico ( FHE ), como una tecnología de vanguardia en el campo de la criptografía, está demostrando un enorme potencial de aplicación. Su ventaja clave radica en la capacidad de realizar cálculos directamente sobre datos encriptados, sin necesidad de desencriptar, lo que proporciona un fuerte apoyo para la protección de la privacidad y el procesamiento de datos. FHE puede aplicarse ampliamente en múltiples campos, como finanzas, salud, computación en la nube, aprendizaje automático, sistemas de votación, Internet de las cosas y protección de la privacidad en blockchain. A pesar de esto, el camino hacia la comercialización de FHE todavía enfrenta numerosos desafíos.

Ventajas y escenarios de aplicación del 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 externa para analizar datos, pero no desea que el contenido de los datos sea accesible externamente, el FHE puede desempeñar un papel. La empresa puede cifrar los datos y transmitirlos; las entidades externas realizan cálculos en estado cifrado, y el resultado sigue estando cifrado. La empresa original puede descifrar y obtener los resultados del análisis, protegiendo así la privacidad de los datos y completando la tarea de cálculo requerida.

Este mecanismo de protección de la privacidad es especialmente importante en industrias sensibles a los 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 está recibiendo cada vez más atención. El Cifrado homomórfico (FHE) puede proporcionar protección de cálculo multipartito en estos campos, permitiendo que las partes colaboren sin exponer información confidencial. En la tecnología blockchain, el 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 otras tecnologías 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 descifrar los datos previamente. MPC permite que las partes realicen cálculos sin compartir información privada entre sí, en condiciones de datos encriptados. TEE proporciona cálculos 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 se destaca especialmente. Sin embargo, el Cifrado homomórfico aún enfrenta problemas de alto costo computacional y baja 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 del FHE es sólida, ha encontrado desafíos prácticos en su aplicación comercial:

1. Costo de cómputo a gran escala: FHE requiere grandes recursos de computación, y en comparación con el cálculo no encriptado, su costo de cómputo aumenta significativamente. Para operaciones polinómicas de alto grado, el tiempo de procesamiento crece de manera polinómica, lo que dificulta satisfacer 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 implementación.

2. Capacidad de operación limitada: FHE puede ejecutar adición y multiplicación de datos encriptados, pero 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 siguen siendo principalmente aplicables a cálculos lineales y polinómicos simples, y la aplicación de modelos no lineales se ve significativamente restringida.

3. Complejidad del soporte para múltiples usuarios: FHE se desempeña bien en escenarios de un solo usuario, pero la complejidad del sistema aumenta drásticamente cuando se trata de conjuntos de datos de múltiples usuarios. Aunque existen marcos de FHE de múltiples claves que permiten operar conjuntos de datos cifrados 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 inteligencia artificial (AI) se aplica ampliamente en múltiples campos, pero las preocupaciones sobre la privacidad de los datos hacen que los usuarios a menudo 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, FHE permite que los datos de los usuarios se procesen mientras se mantienen en estado encriptado, asegurando la privacidad de los datos.

Esta ventaja es especialmente importante bajo regulaciones como el GDPR, ya que estas regulaciones exigen que los usuarios tengan derecho a la información sobre cómo se procesan sus datos y aseguran que los datos estén protegidos durante la transmisión. La encriptación de extremo a extremo de FHE garantiza la conformidad y la seguridad de los datos.

Aplicaciones y proyectos actuales de FHE en la blockchain

La aplicación de FHE en blockchain se centra principalmente en la protección de la privacidad de los datos, incluyendo la privacidad en cadena, la privacidad de los datos de entrenamiento de IA, la privacidad de las votaciones en cadena y la revisión de transacciones privadas en cadena. Actualmente, varios proyectos están utilizando la tecnología FHE para impulsar la implementación de la protección de la privacidad:

• La solución FHE construida por cierta empresa se utiliza ampliamente en varios proyectos de protección de la privacidad en blockchain.
• Un proyecto basado en la tecnología TFHE, enfocado en operaciones booleanas y operaciones con enteros de bajo tamaño, y ha construido una pila de desarrollo FHE para aplicaciones de blockchain y AI.
• Otro proyecto desarrolló un nuevo lenguaje de contratos inteligentes y la biblioteca HyperghraphFHE, adecuada para redes de blockchain.
• Un proyecto utiliza el Cifrado homomórfico para lograr la protección de la privacidad en redes de cálculo de IA, soportando múltiples modelos de IA.
• También hay proyectos que combinan FHE con inteligencia artificial, ofreciendo un entorno de IA descentralizado y con protección de la privacidad.
• Una solución Layer 2 soporta Rollups FHE y Coprocesadores FHE, es compatible con EVM y soporta contratos inteligentes escritos en Solidity.

Conclusión

FHE como una tecnología avanzada que permite realizar cálculos sobre datos encriptados, tiene ventajas significativas en la protección de la privacidad de los datos. Aunque actualmente la aplicación comercial de FHE sigue enfrentando problemas de altos costos computacionales y mala escalabilidad, a través de la aceleración de hardware y la optimización de algoritmos, se espera que estos problemas se resuelvan progresivamente. 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 sustente el cálculo de protección de la privacidad, trayendo nuevos avances revolucionarios a la seguridad de los datos.