Криптоактивы: еженедельный обзор рынка и исследование гомоморфного шифрования
По состоянию на 13 октября, платформа данных собрала статистику по обсуждению основных криптоактивов и изменениям их цен.
Обсуждения биткойна на прошлой неделе составили 12,52K, что на 0,98% меньше по сравнению с предыдущей неделей. Его цена закрытия в воскресенье составила 63916 долларов, что на 1,62% больше, чем на предыдущей неделе.
Обсуждение Ethereum за прошлую неделю достигло 3,63K раз, увеличившись на 3,45% по сравнению с предыдущей неделей. Однако в воскресенье его цена составила 2530 долларов, что на 4% ниже по сравнению с предыдущей неделей.
Обсуждений TON на прошлой неделе было 782, что на 12,63% меньше по сравнению с предыдущей неделей. Его цена в воскресенье составила 5,26 доллара, что на 0,25% ниже по сравнению с предыдущей неделей.
Гомоморфное шифрование(FHE) является перспективной технологией в области криптографии, которая позволяет выполнять вычисления непосредственно на зашифрованных данных без необходимости их расшифровки. Эта особенность обеспечивает мощную поддержку защиты конфиденциальности и обработки данных и может быть широко применена в таких областях, как финансы, здравоохранение, облачные вычисления, машинное обучение, системы голосования, интернет вещей и защита конфиденциальности блокчейна. Несмотря на широкие перспективы применения FHE, на пути к коммерциализации все еще существует множество вызовов.
Потенциал FHE и сценарии применения
Основное преимущество Гомоморфного шифрования (FHE) заключается в защите конфиденциальности. Например, когда одна компания нуждается в вычислительных мощностях другой компании для анализа данных, но не хочет, чтобы вторая сторона имела доступ к конкретному содержимому, FHE может сыграть свою роль. Владельцы данных могут передать зашифрованные данные вычислительной стороне для обработки, при этом результаты вычислений остаются зашифрованными, и после расшифровки владельцы данных могут получить результаты анализа. Этот механизм эффективно защищает конфиденциальность данных и одновременно позволяет вычислительной стороне выполнять необходимые задачи.
Этот механизм защиты конфиденциальности особенно важен для таких чувствительных отраслей, как финансы и здравоохранение. С развитием облачных вычислений и искусственного интеллекта безопасность данных становится все более актуальной. Гомоморфное шифрование (FHE) в этих сценариях может обеспечить защиту многопартии, позволяя сторонам сотрудничать, не раскрывая конфиденциальную информацию. В технологии блокчейн FHE повышает прозрачность и безопасность обработки данных за счет функций защиты конфиденциальности на блокчейне и проверки конфиденциальных транзакций.
Сравнение FHE и других методов шифрования
В области Web3 FHE, нулевое доказательство (ZK), многопартитные вычисления (MPC) и доверенные вычислительные среды (TEE) являются основными методами защиты конфиденциальности. В отличие от ZK, FHE может выполнять различные операции над зашифрованными данными без предварительной расшифровки данных. MPC позволяет сторонам выполнять вычисления в условиях шифрования данных, не делясь конфиденциальной информацией. TEE предоставляет вычисления в безопасной среде, но гибкость обработки данных относительно ограничена.
Эти криптографические технологии имеют свои преимущества, но в поддержке сложных вычислительных задач FHE особенно выделяется. Тем не менее, FHE в реальном применении по-прежнему сталкивается с высокими вычислительными затратами и плохой масштабируемостью, что зачастую делает его неподходящим для приложений в реальном времени.
Ограничения и вызовы FHE
Несмотря на то, что теоретические основы гомоморфного шифрования сильны, в коммерческом применении возникают реальные проблемы:
Большие вычислительные затраты: Гомоморфное шифрование требует значительных вычислительных ресурсов, и его затраты значительно выше по сравнению с нешифрованными вычислениями. Для операций с многочленами высокой степени время обработки растет полиномиально, что затрудняет удовлетворение требований к вычислениям в реальном времени. Снижение затрат требует использования специализированного аппаратного ускорения, но это также увеличивает сложность развертывания.
Ограниченные операционные возможности: хотя Гомоморфное шифрование (FHE) может выполнять сложение и умножение зашифрованных данных, поддержка сложных нелинейных операций ограничена, что является узким местом для приложений искусственного интеллекта, таких как глубокие нейронные сети. В настоящее время схемы FHE в основном подходят для линейных и простых полиномиальных вычислений, применение нелинейных моделей значительно ограничено.
Сложность поддержки нескольких пользователей: Гомоморфное шифрование (FHE) хорошо работает в сценариях с одним пользователем, но при обработке многопользовательских наборов данных сложность системы резко возрастает. Хотя были предложены исследования, которые представляют собой много ключевую FHE-архитектуру, позволяющую выполнять операции с зашифрованными наборами данных, использующими разные ключи, управление ключами и сложность архитектуры системы значительно увеличиваются.
Сочетание Гомоморфного шифрования и искусственного интеллекта
В современную эпоху, управляемую данными, искусственный интеллект (AI) широко применяется в различных областях, но опасения по поводу конфиденциальности данных часто мешают пользователям делиться чувствительной информацией. Гомоморфное шифрование (FHE) предоставляет решения для защиты конфиденциальности в области ИИ. В облачных вычислениях данные обычно шифруются во время передачи и хранения, но в процессе обработки они часто находятся в открытом виде. С помощью FHE пользовательские данные могут обрабатываться в зашифрованном состоянии, обеспечивая конфиденциальность.
Это преимущество особенно важно в свете таких регуляций, как GDPR, которые требуют от пользователей права на получение информации о методах обработки данных и обеспечивают защиту данных во время передачи. Энд-ту-энд шифрование с использованием Гомоморфного шифрования обеспечивает соблюдение норм и безопасность данных.
Текущие применения FHE в блокчейне и проекты
Применение Гомоморфного шифрования в блокчейне в основном сосредоточено на защите конфиденциальности данных, включая конфиденциальность данных на блокчейне, конфиденциальность данных для обучения ИИ, конфиденциальность голосования на блокчейне и проверку конфиденциальных транзакций на блокчейне. В настоящее время несколько проектов используют технологию Гомоморфного шифрования для реализации защиты конфиденциальности.
Некоторые проекты на основе технологии Гомоморфное шифрование включают:
Решение, сосредоточенное на булевых операциях и операциях с целыми числами низкой длины, разработало стек разработки FHE для приложений блокчейна и ИИ.
Разработан новый язык смарт-контрактов и библиотека HyperghraphFHE, подходящие для блокчейн-сетей.
Использование Гомоморфное шифрование для обеспечения конфиденциальности в AI вычислительных сетях, поддержка множества AI моделей.
Объединяя гомоморфное шифрование и искусственный интеллект, предоставляем децентрализованную и защищенную от приватности среду для ИИ.
В качестве решения Layer 2 для Ethereum поддерживает FHE Rollups и FHE Coprocessors, совместим с EVM и поддерживает смарт-контракты, написанные на Solidity.
Заключение
FHE как передовая технология, способная выполнять вычисления на зашифрованных данных, имеет значительные преимущества в защите конфиденциальности данных. Хотя текущая коммерческая реализация FHE по-прежнему сталкивается с проблемами высокой вычислительной нагрузки и плохой масштабируемости, с помощью аппаратного ускорения и оптимизации алгоритмов эти проблемы, вероятно, будут постепенно решены. Кроме того, с развитием технологий блокчейн FHE будет играть все более важную роль в защите конфиденциальности и безопасных вычислениях. В будущем FHE может стать ключевой технологией, поддерживающей вычисления для защиты конфиденциальности, что приведет к новым революционным прорывам в области безопасности данных.
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 Лайков
Награда
12
6
Поделиться
комментарий
0/400
OldLeekConfession
· 10ч назад
eth все еще жалуется
Посмотреть ОригиналОтветить0
DeFi_Dad_Jokes
· 10ч назад
Снова рассказываете истории, чтобы разыгрывать людей как лохов?
Посмотреть ОригиналОтветить0
DeadTrades_Walking
· 11ч назад
BTC все еще в зеленом, остальные токены действительно насоса.
Посмотреть ОригиналОтветить0
HypotheticalLiquidator
· 11ч назад
Технический бычий рынок - это лишь обман, ключевым моментом является управление рисками.
Посмотреть ОригиналОтветить0
DAOdreamer
· 11ч назад
падение падение не прекращается когда это закончится
Посмотреть ОригиналОтветить0
ImpermanentPhobia
· 11ч назад
Накопление монет ждет бычий рынок неудачников, узнайте больше.
Обзор рынка Криптоактивов: BTC рост на 1.62%, ETH падение на 4%, анализ перспектив применения технологии FHE
Криптоактивы: еженедельный обзор рынка и исследование гомоморфного шифрования
По состоянию на 13 октября, платформа данных собрала статистику по обсуждению основных криптоактивов и изменениям их цен.
Обсуждения биткойна на прошлой неделе составили 12,52K, что на 0,98% меньше по сравнению с предыдущей неделей. Его цена закрытия в воскресенье составила 63916 долларов, что на 1,62% больше, чем на предыдущей неделе.
Обсуждение Ethereum за прошлую неделю достигло 3,63K раз, увеличившись на 3,45% по сравнению с предыдущей неделей. Однако в воскресенье его цена составила 2530 долларов, что на 4% ниже по сравнению с предыдущей неделей.
Обсуждений TON на прошлой неделе было 782, что на 12,63% меньше по сравнению с предыдущей неделей. Его цена в воскресенье составила 5,26 доллара, что на 0,25% ниже по сравнению с предыдущей неделей.
Гомоморфное шифрование(FHE) является перспективной технологией в области криптографии, которая позволяет выполнять вычисления непосредственно на зашифрованных данных без необходимости их расшифровки. Эта особенность обеспечивает мощную поддержку защиты конфиденциальности и обработки данных и может быть широко применена в таких областях, как финансы, здравоохранение, облачные вычисления, машинное обучение, системы голосования, интернет вещей и защита конфиденциальности блокчейна. Несмотря на широкие перспективы применения FHE, на пути к коммерциализации все еще существует множество вызовов.
Потенциал FHE и сценарии применения
Основное преимущество Гомоморфного шифрования (FHE) заключается в защите конфиденциальности. Например, когда одна компания нуждается в вычислительных мощностях другой компании для анализа данных, но не хочет, чтобы вторая сторона имела доступ к конкретному содержимому, FHE может сыграть свою роль. Владельцы данных могут передать зашифрованные данные вычислительной стороне для обработки, при этом результаты вычислений остаются зашифрованными, и после расшифровки владельцы данных могут получить результаты анализа. Этот механизм эффективно защищает конфиденциальность данных и одновременно позволяет вычислительной стороне выполнять необходимые задачи.
Этот механизм защиты конфиденциальности особенно важен для таких чувствительных отраслей, как финансы и здравоохранение. С развитием облачных вычислений и искусственного интеллекта безопасность данных становится все более актуальной. Гомоморфное шифрование (FHE) в этих сценариях может обеспечить защиту многопартии, позволяя сторонам сотрудничать, не раскрывая конфиденциальную информацию. В технологии блокчейн FHE повышает прозрачность и безопасность обработки данных за счет функций защиты конфиденциальности на блокчейне и проверки конфиденциальных транзакций.
Сравнение FHE и других методов шифрования
В области Web3 FHE, нулевое доказательство (ZK), многопартитные вычисления (MPC) и доверенные вычислительные среды (TEE) являются основными методами защиты конфиденциальности. В отличие от ZK, FHE может выполнять различные операции над зашифрованными данными без предварительной расшифровки данных. MPC позволяет сторонам выполнять вычисления в условиях шифрования данных, не делясь конфиденциальной информацией. TEE предоставляет вычисления в безопасной среде, но гибкость обработки данных относительно ограничена.
Эти криптографические технологии имеют свои преимущества, но в поддержке сложных вычислительных задач FHE особенно выделяется. Тем не менее, FHE в реальном применении по-прежнему сталкивается с высокими вычислительными затратами и плохой масштабируемостью, что зачастую делает его неподходящим для приложений в реальном времени.
Ограничения и вызовы FHE
Несмотря на то, что теоретические основы гомоморфного шифрования сильны, в коммерческом применении возникают реальные проблемы:
Большие вычислительные затраты: Гомоморфное шифрование требует значительных вычислительных ресурсов, и его затраты значительно выше по сравнению с нешифрованными вычислениями. Для операций с многочленами высокой степени время обработки растет полиномиально, что затрудняет удовлетворение требований к вычислениям в реальном времени. Снижение затрат требует использования специализированного аппаратного ускорения, но это также увеличивает сложность развертывания.
Ограниченные операционные возможности: хотя Гомоморфное шифрование (FHE) может выполнять сложение и умножение зашифрованных данных, поддержка сложных нелинейных операций ограничена, что является узким местом для приложений искусственного интеллекта, таких как глубокие нейронные сети. В настоящее время схемы FHE в основном подходят для линейных и простых полиномиальных вычислений, применение нелинейных моделей значительно ограничено.
Сложность поддержки нескольких пользователей: Гомоморфное шифрование (FHE) хорошо работает в сценариях с одним пользователем, но при обработке многопользовательских наборов данных сложность системы резко возрастает. Хотя были предложены исследования, которые представляют собой много ключевую FHE-архитектуру, позволяющую выполнять операции с зашифрованными наборами данных, использующими разные ключи, управление ключами и сложность архитектуры системы значительно увеличиваются.
Сочетание Гомоморфного шифрования и искусственного интеллекта
В современную эпоху, управляемую данными, искусственный интеллект (AI) широко применяется в различных областях, но опасения по поводу конфиденциальности данных часто мешают пользователям делиться чувствительной информацией. Гомоморфное шифрование (FHE) предоставляет решения для защиты конфиденциальности в области ИИ. В облачных вычислениях данные обычно шифруются во время передачи и хранения, но в процессе обработки они часто находятся в открытом виде. С помощью FHE пользовательские данные могут обрабатываться в зашифрованном состоянии, обеспечивая конфиденциальность.
Это преимущество особенно важно в свете таких регуляций, как GDPR, которые требуют от пользователей права на получение информации о методах обработки данных и обеспечивают защиту данных во время передачи. Энд-ту-энд шифрование с использованием Гомоморфного шифрования обеспечивает соблюдение норм и безопасность данных.
Текущие применения FHE в блокчейне и проекты
Применение Гомоморфного шифрования в блокчейне в основном сосредоточено на защите конфиденциальности данных, включая конфиденциальность данных на блокчейне, конфиденциальность данных для обучения ИИ, конфиденциальность голосования на блокчейне и проверку конфиденциальных транзакций на блокчейне. В настоящее время несколько проектов используют технологию Гомоморфного шифрования для реализации защиты конфиденциальности.
Некоторые проекты на основе технологии Гомоморфное шифрование включают:
Заключение
FHE как передовая технология, способная выполнять вычисления на зашифрованных данных, имеет значительные преимущества в защите конфиденциальности данных. Хотя текущая коммерческая реализация FHE по-прежнему сталкивается с проблемами высокой вычислительной нагрузки и плохой масштабируемости, с помощью аппаратного ускорения и оптимизации алгоритмов эти проблемы, вероятно, будут постепенно решены. Кроме того, с развитием технологий блокчейн FHE будет играть все более важную роль в защите конфиденциальности и безопасных вычислениях. В будущем FHE может стать ключевой технологией, поддерживающей вычисления для защиты конфиденциальности, что приведет к новым революционным прорывам в области безопасности данных.