Криптоактивы: еженедельный обзор рынка и анализ гомоморфного шифрования

По состоянию на 13 октября, статистика по нескольким основным криптоактивам показывает:

Обсуждаемость биткойна на прошлой неделе составила 12,52K раз, что на 0,98% меньше, чем на предыдущей неделе. Его цена закрытия в воскресенье составила 63916 долларов, что на 1,62% больше, чем в воскресенье на предыдущей неделе.

Обсуждение Ethereum на прошлой неделе достигло 3,63K раз, что на 3,45% больше, чем на предыдущей неделе. Закрытие в воскресенье составило 2530 долларов, что на 4% ниже, чем в прошлое воскресенье.

Обсуждение TON на прошлой неделе составило 782 раза, что на 12,63% меньше, чем на предыдущей неделе. В воскресенье цена закрытия составила 5,26 долларов, что на 0,25% ниже, чем в воскресенье предыдущей недели.

Гомоморфное шифрование(FHE) является передовой технологией в области шифрования, основное преимущество которой заключается в возможности прямого вычисления с зашифрованными данными без необходимости их расшифровки. Эта особенность открывает широкие перспективы для применения в области защиты конфиденциальности и обработки данных, включая финансы, здравоохранение, облачные вычисления, машинное обучение, системы голосования, Интернет вещей и защиту конфиденциальности в блокчейне. Однако, несмотря на огромный потенциал FHE, его коммерциализация все еще сталкивается с множеством вызовов.

Потенциал FHE и сценарии его применения

Максимальное преимущество гомоморфного шифрования заключается в защите конфиденциальности. Например, когда одной компании необходимо использовать вычислительные мощности другой компании для анализа данных, но она не хочет, чтобы другая сторона имела доступ к конкретному содержимому, GHE может сыграть роль. Владельцы данных могут передавать зашифрованные данные сторонам вычисления для обработки, результаты вычислений остаются зашифрованными, и после расшифровки владельцы данных могут получить результаты анализа. Этот механизм защищает конфиденциальность данных и позволяет выполнять необходимые вычислительные задачи.

Для таких чувствительных отраслей, как финансы и здравоохранение, этот механизм защиты конфиденциальности особенно важен. С развитием облачных вычислений и искусственного интеллекта безопасность данных становится все более актуальной. Гомоморфное шифрование может предоставить защиту многосторонних вычислений в этих сценариях, позволяя сторонам сотрудничать, не раскрывая конфиденциальную информацию. В технологии блокчейн Гомоморфное шифрование, обеспечивая защиту конфиденциальности на цепочке и проверку конфиденциальных транзакций, повышает прозрачность и безопасность обработки данных.

Сравнение FHE с другими методами шифрования

В области Web3 FHE, нулевые доказательства (ZK), многопартнерские вычисления (MPC) и доверенные вычислительные среды (TEE) являются основными методами защиты конфиденциальности. FHE может выполнять различные операции с зашифрованными данными, не требуя предварительной расшифровки данных. MPC позволяет сторонам проводить вычисления при шифровании данных, не делясь друг с другом конфиденциальной информацией. TEE обеспечивает вычисления в безопасной среде, но гибкость обработки данных относительно ограничена.

Эти шифровальные технологии имеют свои преимущества, но в поддержке сложных вычислительных задач FHE особенно выделяется. Однако FHE по-прежнему сталкивается с высокими вычислительными затратами и плохой масштабируемостью в реальных приложениях, что ограничивает его эффективность в условиях реального времени.

Ограничения и вызовы FHE

Несмотря на то, что теоретическая основа FHE сильна, в коммерческих приложениях возникли реальные проблемы:

1. Масштабные вычислительные затраты: Гомоморфное шифрование требует значительных вычислительных ресурсов, по сравнению с нешифрованными вычислениями, его затраты значительно увеличиваются. Для вычислений высоких степеней время обработки растет полиномиально, что затрудняет удовлетворение требований к вычислениям в реальном времени. Снижение затрат зависит от специализированного аппаратного ускорения, но это также увеличивает сложность развертывания.

2. Ограниченные операционные возможности: Гомоморфное шифрование может выполнять сложение и умножение зашифрованных данных, но поддержка сложных нелинейных операций ограничена, что создает узкие места для AI-приложений, таких как глубокие нейронные сети. Текущие схемы Гомоморфного шифрования в основном подходят для линейных и простых полиномиальных вычислений, применение нелинейных моделей значительно ограничено.

3. Сложность поддержки нескольких пользователей: Гомоморфное шифрование показывает хорошие результаты в сценариях с одним пользователем, но при работе с многопользовательскими наборами данных сложность системы резко возрастает. Хотя многоключевая архитектура Гомоморфного шифрования позволяет выполнять операции с зашифрованными наборами данных, использующими разные ключи, сложность управления ключами и архитектуры системы значительно возрастает.

Сочетание Гомоморфного шифрования и искусственного интеллекта

В эпоху, когда данные играют ключевую роль, ИИ широко применяется в различных областях, но опасения по поводу конфиденциальности данных часто заставляют пользователей неохотно делиться чувствительной информацией. Гомоморфное шифрование предоставляет ИИ решения для защиты конфиденциальности. В условиях облачных вычислений Гомоморфное шифрование позволяет обрабатывать данные пользователей в зашифрованном виде, обеспечивая сохранение конфиденциальности данных.

Это преимущество особенно важно в свете таких нормативных актов, как GDPR, поскольку эти нормативные акты требуют, чтобы пользователи имели право знать, как обрабатываются их данные, и обеспечивают защиту данных в процессе передачи. Энд-ту-энд шифрование FHE обеспечивает соблюдение норм и безопасность данных.

Текущее применение FHE в блокчейне и проекты

FHE в блокчейне в основном используется для защиты конфиденциальности данных, включая конфиденциальность на цепочке, конфиденциальность данных для обучения ИИ, конфиденциальность голосования на цепочке и конфиденциальность проверки транзакций на цепочке. В настоящее время несколько проектов используют технологию FHE для достижения защиты конфиденциальности.

Некоторые проекты, разработавшие решения на основе Гомоморфного шифрования (FHE), широко применяются в различных Криптоактивах и проектах по защите конфиденциальности. Эти проекты сосредоточены на различных аспектах: некоторые основываются на технологии TFHE и сосредоточены на булевых операциях и операциях с целыми числами малой длины; другие разработали новые языки смарт-контрактов и библиотеки FHE; есть и проекты, которые сочетают FHE с искусственным интеллектом, предлагая децентрализованную и защищённую от вторжений среду для ИИ. Кроме того, есть проекты, которые являются решениями второго уровня для Ethereum, поддерживающие FHE Rollups и FHE Coprocessors, совместимые с EVM и поддерживающие смарт-контракты, написанные на языке Solidity.

Вывод

FHE как передовая технология, способная выполнять вычисления на зашифрованных данных, имеет значительные преимущества в защите конфиденциальности данных. Хотя текущая коммерческая реализация FHE все еще сталкивается с проблемами высокой вычислительной нагрузки и плохой масштабируемости, эти проблемы могут быть постепенно решены с помощью аппаратного ускорения и оптимизации алгоритмов. 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 с защитой конфиденциальности, открывая новые революционные прорывы в области безопасности данных.