Огляд ринку криптоактивів та аналіз технології гомоморфного шифрування

Станом на 13 жовтня, одна з платформ даних провела статистичний аналіз частоти обговорень основних криптоактивів та зміни їх цін:

Обговорення біткоїна минулого тижня становило 12,52K, що на 0,98% менше, ніж попереднього тижня, а ціна закриття в неділю склала 63916 доларів, що на 1,62% більше, ніж минулого тижня.

Кількість обговорень Ethereum минулого тижня становила 3,63K, що на 3,45% більше, ніж попереднього тижня. Ціна закриття в неділю становила 2530 доларів, що на 4% нижче, ніж минулого тижня.

Обговорень TON минулого тижня було 782, що на 12,63% менше, ніж попереднього тижня. Ціна закриття в неділю склала 5,26 доларів, що на 0,25% менше, ніж минулого тижня.

Гомоморфне шифрування (Fully Homomorphic Encryption, FHE) є надзвичайно перспективною технологією в галузі криптографії. Його основна перевага полягає в тому, що воно дозволяє виконувати обчислення безпосередньо над зашифрованими даними без потреби в процесі розшифровки, що надає потужну підтримку для захисту конфіденційності та обробки даних. FHE має широкий потенціал для застосування в багатьох сферах, таких як фінанси, медицина, хмарні обчислення, машинне навчання, системи голосування, Інтернет речей і захист конфіденційності в блокчейні. Проте, незважаючи на широкі перспективи застосування, FHE все ще стикається з багатьма викликами на шляху до комерціалізації.

Переваги та сценарії використання Гомоморфного шифрування

Найбільша перевага гомоморфного шифрування полягає в захисті приватності. Наприклад, коли одна компанія потребує обчислювальної потужності іншої компанії для аналізу даних, але не хоче, щоб інша сторона отримала доступ до конкретного вмісту, FHE може виконати свою роль. Власник даних може передати зашифровані дані стороні для аналізу, при цьому результати обчислень залишаються зашифрованими. Власник даних може розшифрувати їх пізніше, щоб отримати результати аналізу, що захищає конфіденційність даних і одночасно виконує необхідні обчислювальні завдання.

Цей механізм захисту конфіденційності є особливо важливим для чутливих до даних галузей, таких як фінанси та охорона здоров'я. З розвитком хмарних обчислень та штучного інтелекту безпека даних стає все більш актуальною темою. Гомоморфне шифрування (FHE) в цих сценаріях може забезпечити захист багатосторонніх обчислень, дозволяючи сторонам співпрацювати без розкриття конфіденційної інформації. У технології блокчейн FHE підвищує прозорість і безпеку обробки даних через функції захисту конфіденційності на ланцюгу та перевірки конфіденційних транзакцій.

Порівняння FHE з іншими способами шифрування

У сфері Web3 основними методами захисту конфіденційності є FHE, нульові докази (ZK), багатосторонні обчислення (MPC) та довірене середовище виконання (TEE). На відміну від ZK, FHE може виконувати різні операції над зашифрованими даними без необхідності їх попереднього розшифрування. MPC дозволяє сторонам проводити обчислення в умовах зашифрованих даних без обміну конфіденційною інформацією. TEE забезпечує обчислення в безпечному середовищі, але має відносно обмежену гнучкість у обробці даних.

Ці технології шифрування мають свої переваги, але в підтримці складних обчислювальних завдань FHE показує особливі результати. Однак, FHE в реальних застосуваннях все ще стикається з високими обчислювальними витратами та поганою масштабованістю, що обмежує його ефективність у реальному часі.

Обмеження та виклики гомоморфного шифрування

Хоча теоретичні основи FHE є потужними, у комерційних застосуваннях виникають практичні виклики:

1. Витрати на обчислення великого масштабу: FHE потребує значних обчислювальних ресурсів, порівняно з нешифрованими обчисленнями, його витрати на обчислення суттєво зростають. Для обчислення високих поліномів час обробки зростає поліноміально, що ускладнює задоволення вимог реального часу. Зниження витрат потребує використання спеціалізованого апаратного прискорення, але це також підвищує складність розгортання.

2. Обмежена операційна здатність: хоча Гомоморфне шифрування може виконувати додавання та множення зашифрованих даних, підтримка складних нелінійних операцій є обмеженою, що є перешкодою 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 кількох користувачів: FHE добре працює в однокористувацьких сценаріях, але при залученні наборів даних кількох користувачів системна складність різко зростає. Хоча запропонована в 2013 році багатоключова FHE-структура дозволяє виконувати операції з зашифрованими наборами даних, що використовують різні ключі, управління ключами та архітектура системи значно ускладнюються.

Поєднання Гомоморфного шифрування та штучного інтелекту

У сучасну епоху, що керується даними, штучний інтелект (ШІ) широко застосовується в різних сферах, але побоювання щодо конфіденційності даних часто змушують користувачів не бажати ділитися чутливою інформацією. Гомоморфне шифрування (FHE) надає рішення для захисту конфіденційності в області ШІ. У сценах хмарних обчислень дані зазвичай шифруються під час передачі та зберігання, але в процесі обробки часто є у відкритому вигляді. Завдяки FHE дані користувачів можуть оброблятися в зашифрованому стані, що гарантує конфіденційність даних.

Ця перевага є особливо важливою в умовах вимог таких регуляторів, як GDPR, оскільки ці регулятори вимагають, щоб користувачі мали право знати, як обробляються їхні дані, і щоб дані були захищені під час передачі. Енд-то-енд шифрування FHE забезпечує дотримання вимог та безпеку даних.

Поточне застосування FHE в блокчейні та проєкти

Застосування Гомоморфного шифрування (FHE) в блокчейні в основному зосереджене на захисті конфіденційності даних, включаючи конфіденційність на ланцюгу, конфіденційність даних для навчання ШІ, конфіденційність голосування на ланцюгу та перевірку конфіденційних транзакцій на ланцюгу. Наразі кілька проектів використовують технологію FHE для сприяння реалізації захисту конфіденційності:

1. Технологія, розроблена постачальником рішень FHE, широко використовується в кількох проектах захисту конфіденційності.

2. Один проект, заснований на технології TFHE, зосереджений на булевих обчисленнях та обчисленнях з малими цілими числами, і створив стек розробки FHE для додатків блокчейну та ШІ.

3. Є проекти, які розробили нову мову смарт-контрактів та бібліотеку HyperghraphFHE, що підходять для мережі блокчейн.

4. Один проект використовує FHE для реалізації захисту конфіденційності в обчислювальних мережах AI, підтримуючи різні моделі AI.

5. Інший проект поєднує Гомоморфне шифрування з штучним інтелектом, пропонуючи децентралізоване та захищене від сторонніх очей середовище для ШІ.

6. Є також проєкти як рішення другого рівня для Ethereum, що підтримують FHE Rollups та FHE Coprocessors, сумісні з EVM та підтримують смарт-контракти, написані на Solidity.

Висновок

FHE як передова технологія, яка дозволяє виконувати обчислення на зашифрованих даних, має значні переваги в захисті конфіденційності даних. Хоча нинішні комерційні застосування FHE все ще стикаються з великими витратами на обчислення та поганою масштабованістю, ці проблеми можуть бути поступово вирішені за допомогою апаратного прискорення та оптимізації алгоритмів. Крім того, з розвитком технології блокчейн, FHE відіграватиме все більш важливу роль у захисті конфіденційності та безпечних обчисленнях. У майбутньому FHE має потенціал стати основною технологією, що підтримує захист конфіденційності обчислень, приносячи нові революційні прориви в безпеці даних.