Rapport hebdomadaire sur le marché des cryptoactifs et analyse de la technologie de chiffrement homomorphique

Au 13 octobre, une plateforme de données a réalisé une analyse statistique de la fréquence des discussions et des fluctuations de prix des principaux cryptoactifs :

Le nombre de discussions sur Bitcoin la semaine dernière était de 12,52K, en baisse de 0,98 % par rapport à la semaine précédente, avec un prix de clôture dimanche à 63916 dollars, en hausse de 1,62 % par rapport à la semaine dernière.

Le nombre de discussions sur Ethereum la semaine dernière était de 3,63K, en hausse de 3,45 % par rapport à la semaine précédente, et le prix de clôture de dimanche était de 2530 dollars, en baisse de 4 % par rapport à la semaine dernière.

Le nombre de discussions sur TON la semaine dernière était de 782, en baisse de 12,63 % par rapport à la semaine précédente, le prix de clôture de dimanche était de 5,26 dollars, en légère baisse de 0,25 % par rapport à la semaine dernière.

Le chiffrement homomorphique (Chiffrement homomorphique complet, FHE) est une technologie prometteuse dans le domaine de la cryptographie. Son avantage principal réside dans la possibilité d'effectuer des calculs directement sur des données chiffrées, sans nécessiter de processus de déchiffrement, ce qui offre un soutien puissant à la protection de la vie privée et au traitement des données. Le FHE a un large potentiel d'application dans de nombreux domaines tels que la finance, la santé, le cloud computing, l'apprentissage automatique, les systèmes de vote, l'Internet des objets et la protection de la vie privée sur blockchain. Cependant, malgré un large éventail de perspectives d'application, le FHE fait encore face à de nombreux défis sur la voie de sa commercialisation.

Avantages et cas d'utilisation du FHE

Le plus grand avantage du chiffrement homomorphique réside dans la protection de la vie privée. Par exemple, lorsqu'une entreprise a besoin d'utiliser la puissance de calcul d'une autre entreprise pour analyser des données, mais ne souhaite pas que l'autre partie accède au contenu spécifique, le FHE peut jouer un rôle. Le propriétaire des données peut transmettre les données chiffrées à la partie calculatrice pour analyse, les résultats du calcul restant toujours sous état chiffré. Après déchiffrement, le propriétaire des données peut obtenir les résultats de l'analyse, protégeant ainsi la vie privée des données tout en accomplissant la tâche de calcul requise.

Ce mécanisme de protection de la vie privée est particulièrement important pour les secteurs sensibles aux données tels que la finance et la santé. Avec le développement du chiffrement et de l'intelligence artificielle, la sécurité des données devient de plus en plus un sujet de préoccupation. Le CH dans ces scénarios peut fournir une protection de calcul multipartite, permettant aux parties de collaborer sans exposer d'informations confidentielles. Dans la technologie blockchain, le CH améliore la transparence et la sécurité du traitement des données grâce à des fonctionnalités telles que la protection de la vie privée sur la chaîne et l'examen des transactions privées.

Comparaison de la FHE avec d'autres méthodes de chiffrement

Dans le domaine du Web3, le chiffrement homomorphique (FHE), les preuves à divulgation nulle de connaissance (ZK), le calcul multipartite (MPC) et les environnements d'exécution de confiance (TEE) sont les principales méthodes de protection de la vie privée. Contrairement aux ZK, le FHE peut effectuer diverses opérations sur des données chiffrées sans avoir besoin de déchiffrer les données au préalable. Le MPC permet aux parties de calculer sans partager d'informations privées tout en maintenant les données chiffrées. Le TEE fournit un environnement sécurisé pour le calcul, mais la flexibilité dans le traitement des données est relativement limitée.

Ces technologies de chiffrement ont chacune leurs avantages, mais en ce qui concerne le soutien aux tâches de calcul complexes, le chiffrement homomorphique (FHE) se distingue particulièrement. Cependant, le FHE fait face à des problèmes de coûts de calcul élevés et de mauvaise évolutivité dans les applications réelles, ce qui limite ses performances dans les applications en temps réel.

Limitations et défis du FHE

Malgré la solidité théorique du FHE, des défis pratiques ont été rencontrés dans les applications commerciales :

1. Coût de calcul à grande échelle : Le chiffrement homomorphique nécessite d'importantes ressources de calcul, et par rapport aux calculs non chiffrés, son coût de calcul augmente considérablement. Pour les opérations polynomiales de haut degré, le temps de traitement croît de manière polynomiale, rendant difficile la satisfaction des exigences de calcul en temps réel. Réduire les coûts nécessite de s'appuyer sur un matériel dédié à l'accélération, mais cela augmente également la complexité du déploiement.

2. Capacité opérationnelle limitée : Bien que le chiffrement homomorphique puisse exécuter des opérations d'addition et de multiplication sur des données chiffrées, le soutien aux opérations non linéaires complexes est limité, ce qui constitue un goulot d'étranglement pour les applications d'intelligence artificielle impliquant des réseaux de neurones profonds. Les solutions FHE actuelles sont principalement adaptées aux calculs linéaires et aux calculs polynomiaux simples, tandis que les applications de modèles non linéaires sont fortement limitées.

3. La complexité du support multi-utilisateur : Le FHE fonctionne bien dans des scénarios à utilisateur unique, mais la complexité du système augmente considérablement lorsqu'il s'agit de jeux de données multi-utilisateurs. Le cadre multi-clés FHE proposé en 2013 permet d'opérer sur des jeux de données chiffrés avec différentes clés, mais la gestion des clés et la complexité de l'architecture système augmentent de manière significative.

La combinaison de FHE et de l'intelligence artificielle

Dans l'ère actuelle axée sur les données, l'intelligence artificielle (IA) est largement utilisée dans plusieurs domaines, mais les préoccupations concernant la confidentialité des données rendent souvent les utilisateurs réticents à partager des informations sensibles. Le chiffrement homomorphique (FHE) offre une solution de protection de la vie privée dans le domaine de l'IA. Dans le cadre de l'informatique en nuage, les données sont généralement chiffrées lors de leur transmission et de leur stockage, mais elles sont souvent en texte clair lors du traitement. Grâce au FHE, les données des utilisateurs peuvent être traitées tout en restant en état de chiffrement, garantissant ainsi la confidentialité des données.

Cet avantage est particulièrement important dans le cadre des réglementations telles que le RGPD, qui exigent que les utilisateurs aient le droit d'être informés sur les modalités de traitement des données et garantissent la protection des données lors de leur transmission. Le chiffrement homomorphique de bout en bout assure la conformité et la sécurité des données.

Applications et projets actuels de FHE dans la blockchain

L'application de FHE dans la blockchain se concentre principalement sur la protection de la confidentialité des données, y compris la confidentialité sur la chaîne, la confidentialité des données d'entraînement AI, la confidentialité des votes sur la chaîne et l'examen des transactions privées sur la chaîne, entre autres. Actuellement, plusieurs projets utilisent la technologie FHE pour promouvoir la mise en œuvre de la protection de la vie privée :

1. La technologie construite par un fournisseur de solutions FHE est largement utilisée dans plusieurs projets de protection de la vie privée.

2. Un projet basé sur la technologie TFHE, se concentre sur les opérations booléennes et les opérations sur des entiers de faible longueur, et a construit une pile de développement FHE pour les applications blockchain et IA.

3. Des projets ont développé un nouveau langage de contrat intelligent et une bibliothèque HyperghraphFHE, adaptés aux réseaux de blockchain.

4. Un projet utilise le chiffrement homomorphique (FHE) pour assurer la protection de la vie privée dans les réseaux de calcul AI, prenant en charge plusieurs modèles AI.

5. Un autre projet combine FHE et l'intelligence artificielle, offrant un environnement IA décentralisé et respectueux de la vie privée.

6. Il existe également des projets en tant que solution Layer 2 pour Ethereum, prenant en charge les Rollups FHE et les Coprocessors FHE, compatibles avec l'EVM et prenant en charge les contrats intelligents écrits en Solidity.

Conclusion

Le FHE, en tant que technologie avancée capable d'exécuter des calculs sur des données chiffrées, présente des avantages significatifs en matière de protection de la vie privée des données. Bien que l'application commerciale actuelle du FHE soit encore confrontée à des problèmes de coûts de calcul élevés et de mauvaise évolutivité, ces problèmes devraient progressivement être résolus grâce à l'accélération matérielle et à l'optimisation des algorithmes. De plus, avec le développement de la technologie blockchain, le FHE jouera un rôle de plus en plus important dans la protection de la vie privée et le calcul sécurisé. À l'avenir, le FHE pourrait devenir la technologie centrale soutenant le calcul protégé de la vie privée, apportant une nouvelle percée révolutionnaire pour la sécurité des données.