Криптоактиви ринку тижневий звіт та дослідження гомоморфного шифрування

Станом на 13 жовтня, платформа даних статистично оцінює обговорення основних криптоактивів і зміни цін.

Кількість обговорень біткоїна минулого тижня становила 12.52K, що на 0.98% менше в порівнянні з попереднім тижнем. Його закриття в неділю склало 63916 доларів, що на 1.62% більше, ніж за попередній тиждень.

Обговорення Ethereum минулого тижня досягло 3.63K разів, що на 3.45% більше порівняно з попереднім тижнем. Але його ціна в неділю становила 2530 доларів, що на 4% менше, ніж за попередній тиждень.

Обговорень TON минулого тижня було 782 рази, що на 12.63% менше в порівнянні з попереднім тижнем. Його ціна в неділю становила 5.26 доларів, що на 0.25% менше, ніж за попередній тиждень.

Гомоморфне шифрування(FHE) є перспективною технологією в галузі криптографії, яка дозволяє виконувати обчислення безпосередньо на зашифрованих даних без необхідності їх розшифровки. Ця властивість надає потужну підтримку для захисту конфіденційності та обробки даних і може бути широко застосована в багатьох сферах, таких як фінанси, медицина, хмарні обчислення, машинне навчання, системи голосування, Інтернет речей та захист конфіденційності в блокчейні. Незважаючи на те, що перспективи застосування FHE є широкими, на шляху до комерціалізації все ще існує безліч викликів.

Потенціал FHE та сценарії використання

最大на перевага FHE полягає в захисті конфіденційності. Наприклад, коли компанія потребує використання обчислювальної потужності іншої компанії для аналізу даних, але не хоче, щоб інша сторона отримала доступ до конкретного вмісту, FHE може бути корисним. Власник даних може передати зашифровані дані обчислювальній стороні для обробки, результати обчислень залишаються зашифрованими, а власник даних може розшифрувати їх, щоб отримати результати аналізу. Цей механізм ефективно захищає конфіденційність даних, в той же час дозволяючи обчислювальній стороні виконати необхідну роботу.

Цей механізм захисту конфіденційності є особливо важливим для чутливих до даних галузей, таких як фінансовий та медичний. З розвитком хмарних технологій та штучного інтелекту безпека даних стає все більш актуальною. Гомоморфне шифрування (FHE) може забезпечити захист багатосторонніх обчислень у цих сценаріях, дозволяючи сторонам співпрацювати без розкриття конфіденційної інформації. У технології блокчейн FHE підвищує прозорість і безпеку обробки даних завдяки таким функціям, як захист конфіденційності на ланцюгу та перевірка конфіденційних транзакцій.

Порівняння FHE з іншими способами шифрування

У сфері Web3 FHE, нульові знання (ZK), багатостороннє обчислення (MPC) та надійне середовище виконання (TEE) є основними методами захисту приватності. На відміну від ZK, FHE може виконувати різні операції над зашифрованими даними без попереднього їх розшифрування. MPC дозволяє сторонам виконувати обчислення в умовах шифрування даних, не ділячись приватною інформацією. TEE забезпечує обчислення в безпечному середовищі, але з відносно обмеженою гнучкістю в обробці даних.

Ці криптотехнології мають свої переваги, але в підтримці складних обчислювальних завдань FHE проявляє себе особливо добре. Проте FHE в реальних застосуваннях все ще стикається з високими витратами на обчислення та поганою масштабованістю, що призводить до того, що в реальних застосуваннях вона часто виявляється нездатною впоратися.

Обмеження та виклики FHE

Хоча теоретичні основи FHE є потужними, в комерційних застосуваннях виникають реальні виклики:

1. Великі витрати на обчислення: Гомоморфне шифрування потребує значних обчислювальних ресурсів, порівняно з нешифрованими обчисленнями, його витрати помітно зростають. Для обчислень високих степенів час обробки зростає поліноміально, що ускладнює виконання вимог реального часу. Зниження витрат потребує використання спеціалізованих апаратних прискорювачів, але це також ускладнює процес впровадження.

2. Обмежені можливості операцій: хоча Гомоморфне шифрування може виконувати додавання та множення зашифрованих даних, підтримка складних нелінійних операцій є обмеженою, що є перепоною для застосувань штучного інтелекту, таких як глибокі нейронні мережі. Поточні схеми Гомоморфного шифрування в основному підходять для лінійних і простих поліноміальних обчислень, застосування нелінійних моделей зазнає значних обмежень.

3. Складність підтримки багатьох користувачів: FHE добре працює в сценаріях з одним користувачем, але при залученні наборів даних з багатьма користувачами система стає значно складнішою. Хоча були дослідження, які запропонували багатоключеву FHE-рамку, що дозволяє виконувати операції з зашифрованими наборами даних з різними ключами, управління ключами та складність архітектури системи суттєво зростають.

Поєднання FHE та штучного інтелекту

У сучасну епоху, керовану даними, штучний інтелект (AI) широко використовується в багатьох сферах, але занепокоєння щодо конфіденційності даних змушує користувачів часто не бажати ділитися чутливою інформацією. Гомоморфне шифрування (FHE) забезпечує рішення для захисту конфіденційності в сфері AI. У сценаріях хмарних обчислень дані зазвичай шифруються під час передачі та зберігання, але під час обробки часто перебувають у відкритому вигляді. Завдяки FHE дані користувачів можуть оброблятися в зашифрованому стані, щоб забезпечити конфіденційність.

Ця перевага є особливо важливою відповідно до вимог таких регуляцій, як GDPR, оскільки ці регуляції вимагають, щоб користувачі мали право знати про способи обробки даних і щоб дані були захищені під час їх передачі. Енд-ту-енд шифрування FHE забезпечує відповідність і безпеку даних.

Поточне застосування Гомоморфного шифрування в блокчейні та проекти

Застосування FHE в блокчейні в основному зосереджене на захисті конфіденційності даних, включаючи конфіденційність на ланцюгу, конфіденційність даних для навчання ШІ, конфіденційність голосування на ланцюгу та конфіденційність перевірки транзакцій на ланцюгу тощо. Наразі кілька проектів використовують технологію FHE для сприяння реалізації захисту конфіденційності.

Деякі проекти, засновані на технології Гомоморфного шифрування, включають:

• Зосереджені на рішеннях для булевих операцій та операцій з низькодовгими цілими числами, побудували стек розробки FHE для застосувань у блокчейні та AI.
• Розроблено нову мову смарт-контрактів та бібліотеку HyperghraphFHE, що підходять для блокчейн-мереж.
• Використання Гомоморфне шифрування для забезпечення конфіденційності в обчислювальних мережах AI, підтримка різних моделей AI.
• Поєднуючи Гомоморфне шифрування та штучний інтелект, забезпечте децентралізоване та конфіденційне середовище для ШІ.
• Як Layer 2 рішення для Ethereum, підтримує FHE Rollups та FHE Coprocessors, сумісний з EVM і підтримує смарт-контракти, написані на Solidity.

Висновок

FHE як передова технологія, що дозволяє виконувати обчислення над зашифрованими даними, має значні переваги в захисті конфіденційності даних. Хоча нинішнім комерційним застосуванням FHE все ще заважають великі обчислювальні витрати та погана масштабованість, ці проблеми можуть бути поступово вирішені за допомогою апаратного прискорення та оптимізації алгоритмів. Крім того, з розвитком технологій блокчейн, FHE відіграватиме все більш важливу роль у захисті конфіденційності та безпечних обчисленнях. У майбутньому FHE може стати основною технологією для підтримки обчислень з захистом конфіденційності, що принесе нові революційні досягнення в безпеці даних.