FHE: Con đường tương lai của tính toán riêng tư

FHE( mã hóa toàn phần ) là một công nghệ mã hóa tiên tiến, có thể hỗ trợ thực hiện tính toán trực tiếp trên dữ liệu đã mã hóa, từ đó xử lý dữ liệu trong khi bảo vệ quyền riêng tư. FHE có nhiều ứng dụng tiềm năng, đặc biệt trong lĩnh vực xử lý và phân tích dữ liệu cần bảo vệ quyền riêng tư, như tài chính, y tế, điện toán đám mây, học máy, hệ thống bỏ phiếu, Internet vạn vật, bảo vệ quyền riêng tư trên blockchain, v.v. Tuy nhiên, việc thương mại hóa FHE vẫn cần thời gian, rào cản chính là chi phí tính toán và bộ nhớ khổng lồ mà thuật toán này mang lại, cũng như khả năng mở rộng kém.

Nguyên lý cơ bản

Cốt lõi của FHE là thực hiện phép toán trên dữ liệu mã hóa và nhận được kết quả mã hóa, khi giải mã sẽ nhất quán với kết quả tính toán rõ ràng. Để đạt được mục tiêu này, FHE sử dụng đa thức để ẩn thông tin gốc, vì đa thức có thể được chuyển đổi thành vấn đề đại số tuyến tính và vấn đề tính toán véc tơ, thuận tiện cho máy tính hiện đại thực hiện tối ưu hóa như tính toán song song.

Quá trình mã hóa cơ bản của FHE bao gồm:

• Chọn một đa thức khóa
• Tạo đa thức ngẫu nhiên
• Tạo đa thức "lỗi" nhỏ
• Kết hợp văn bản gốc với đa thức nêu trên để mã hóa

Để ngăn chặn việc phá vỡ thông qua phân tích lặp lại, FHE đã giới thiệu tiếng ồn. Tuy nhiên, tiếng ồn sẽ tích lũy trong quá trình tính toán, cuối cùng có thể dẫn đến việc không thể giải mã chính xác. Để giải quyết vấn đề này, FHE đã áp dụng một số kỹ thuật sau:

• Chuyển đổi khóa: Nén kích thước văn bản mật, nhưng sẽ đưa vào một lượng nhỏ tiếng ồn
• Chuyển đổi Modulus: Giảm tiếng ồn bằng cách chuyển đổi mô-đun
• Bootstrap: Đặt lại độ ồn về mức ban đầu, nhưng chi phí tính toán rất lớn

Hiện tại, các giải pháp FHE phổ biến đều dựa trên công nghệ Bootstrap, bao gồm BGV, BFV, CKKS, v.v. Những giải pháp này có những ưu điểm riêng trên mạch số học và mạch Boolean.

Những thách thức mà FHE đang đối mặt

Thách thức lớn nhất của FHE là chi phí tính toán khổng lồ của nó. So với tính toán thông thường, cùng một phép tính phiên bản FHE có thể cần tới 500 triệu lần tài nguyên tính toán. Để cải thiện hiệu suất FHE, DARPA của Mỹ đã khởi động chương trình Dprive, với mục tiêu nâng tốc độ tính toán FHE lên 1/10 so với tính toán thông thường. Chương trình này chủ yếu tập trung vào các khía cạnh sau:

• Tăng độ dài từ xử lý
• Xây dựng bộ xử lý ASIC chuyên dụng
• Xây dựng kiến trúc song song MIMD

Mặc dù kế hoạch Dprive sắp hết hạn, nhưng dường như tiến triển chậm, vẫn chưa đạt được mục tiêu mong đợi. Cũng giống như công nghệ ZK, việc triển khai FHE cũng đang gặp phải những rào cản về phần cứng.

Tuy nhiên, về lâu dài, công nghệ FHE vẫn có giá trị độc đáo, đặc biệt trong việc bảo vệ quyền riêng tư của dữ liệu nhạy cảm. Đối với dữ liệu nhạy cảm quan trọng trong các lĩnh vực quân sự, y tế, tài chính, FHE có thể phát huy tiềm năng của các công nghệ như AI trong khi vẫn bảo vệ quyền riêng tư. Trong thời đại hậu lượng tử, sự an toàn này càng trở nên quan trọng.

Sự kết hợp của blockchain

Trong lĩnh vực blockchain, FHE chủ yếu được sử dụng để bảo vệ quyền riêng tư của dữ liệu, hướng ứng dụng bao gồm quyền riêng tư trên chuỗi, quyền riêng tư dữ liệu huấn luyện AI, quyền riêng tư bỏ phiếu trên chuỗi, kiểm tra giao dịch riêng tư, v.v. FHE cũng được coi là một trong những giải pháp tiềm năng để giải quyết vấn đề MEV trên chuỗi.

Tuy nhiên, FHE cũng gặp phải một số thách thức. Giao dịch được mã hóa hoàn toàn có thể loại bỏ những tác động tích cực mà MEV mang lại. Hơn nữa, việc chạy FHE trên máy ảo sẽ làm tăng yêu cầu đối với các nút, giảm đáng kể khả năng thông lượng của mạng.

Dự án chính

Hiện tại, các dự án chính trong lĩnh vực FHE bao gồm:

• Zama: Dựa trên giải pháp TFHE, đã xây dựng một ngăn xếp phát triển FHE khá hoàn chỉnh.
• Fhenix: Xây dựng Layer 2 Optimism ưu tiên quyền riêng tư
• Privasea: Sử dụng FHE để thực hiện tính toán dữ liệu LLM
• Inco Network: Xây dựng FHE Layer 1
• Arcium: Kết hợp các công nghệ mật mã như FHE, MPC và ZK
• Mind Network: Giải quyết vấn đề an toàn của lớp đồng thuận thông qua kiến trúc subnet FHE
• Octra: Sử dụng công nghệ hypergraphs để thực hiện FHE, xây dựng ngôn ngữ hợp đồng thông minh và giao thức đồng thuận.

Triển vọng tương lai

Công nghệ FHE vẫn đang ở giai đoạn đầu, tình hình phát triển không bằng công nghệ ZK. Các yếu tố hạn chế chính bao gồm chi phí cao, độ khó của kỹ thuật lớn, triển vọng thương mại không rõ ràng, v.v. Khi sự quan tâm của các VC tiền mã hóa đối với FHE tăng lên, dự kiến sẽ có nhiều vốn và dự án hơn tham gia vào lĩnh vực này.

Việc triển khai chip FHE là một trong những điều kiện tiên quyết cho sự thương mại hóa của nó. Hiện nay đã có nhiều nhà sản xuất như Intel, Chain Reaction, Optalysys đang khám phá theo hướng này. Mặc dù FHE gặp phải nhiều trở ngại kỹ thuật, nhưng với tư cách là một công nghệ có triển vọng lớn và nhu cầu rõ ràng, nó có khả năng mang lại những biến đổi sâu sắc trong các ngành như quốc phòng, tài chính, y tế, giải phóng tiềm năng to lớn của dữ liệu riêng tư và sự kết hợp với các thuật toán lượng tử trong tương lai.