Geschrieben von: Maggie @ Foresight Ventures
TLDR:
Die vollständig homomorphe FHE-Verschlüsselung ist die kommende Datenschutztechnologie der nächsten Generation und verdient unseren Einsatz. FHE verfügt über ideale Datenschutzfunktionen, weist jedoch noch Leistungslücken auf. Wir glauben, dass mit dem Einstieg von Krypto-Kapital die Entwicklung und Reife der Technologie erheblich beschleunigt wird, ebenso wie die rasante Entwicklung von ZK in den letzten Jahren.
Eine vollständig homomorphe Verschlüsselung kann für den Transaktions-Datenschutz, den KI-Datenschutz und Datenschutz-Co-Prozessoren in Web3 verwendet werden. Unter diesen bin ich besonders optimistisch in Bezug auf den Datenschutz-EVM, der flexibler und für EVM besser geeignet ist als die bestehende Ringsignatur, Währungsmischtechnologie und ZK.
Wir haben derzeit mehrere herausragende FHE-Projekte untersucht und die meisten FHE-Projekte werden von diesem Jahr bis zum ersten Quartal nächsten Jahres im Mainnet verfügbar sein. Unter diesen Projekten verfügt ZAMA über die stärkste Technologie, hat jedoch noch keine Pläne zur Ausgabe von Münzen angekündigt. Darüber hinaus glauben wir, dass Fhenix das beste FHE-Programm auf dem Markt ist.
1. FHE ist eine ideale Technologie zum Schutz der Privatsphäre
1.1 Die Rolle von FHE
Die vollständig homomorphe Verschlüsselung ist eine Form der Verschlüsselung, die es Menschen ermöglicht, eine beliebige Anzahl von Additionen und Multiplikationen am Chiffretext durchzuführen, um ein verschlüsseltes Ergebnis zu erhalten, und es zu entschlüsseln, um das gleiche Ergebnis zu erhalten, als würde man die gleiche Operation am Klartext durchführen. Erkennen Sie die „Unsichtbarkeit“ von Daten.
Vollständig homomorph eignet sich besonders für ausgelagerte Datenverarbeitung. Sie können Daten an externe Rechenleistung auslagern, ohne sich Gedanken über Datenlecks machen zu müssen.
Laienhaft ausgedrückt: Sie leiten ein Unternehmen und die Daten des Unternehmens sind sehr wertvoll. Sie möchten nützliche Cloud-Dienste nutzen, um diese Daten zu verarbeiten und zu berechnen, haben jedoch Angst vor Datenlecks in der Cloud. Dann kannst du:
Wandeln Sie die Daten durch vollständig homomorphe Verschlüsselung in Chiffretext um und laden Sie sie dann auf den Cloud-Server hoch. Beispielsweise werden die Zahlen 5 und 10 im Bild oben in Chiffretext verschlüsselt und als „X“ und „YZ“ ausgedrückt.
Wenn Sie Operationen an Daten ausführen müssen, beispielsweise wenn Sie zwei Zahlen 5 und 10 addieren möchten, müssen Sie nur den Chiffretext „X“ und „YZ“ auf dem Cloud-Server die entsprechende Klartext- + Operation ausführen lassen, die durch angegeben wird Algorithmus. Eine bestimmte Operation führt zum Chiffretext-Ergebnis „PDQ“.
Nachdem das Chiffretextergebnis vom Cloud-Server heruntergeladen wurde, wird es entschlüsselt, um den Klartext zu erhalten. Sie werden feststellen, dass das Klartextergebnis das Operationsergebnis von 5 + 10 ist.
Der Klartext erscheint Ihnen nur, während es sich bei allen auf dem Cloud-Server gespeicherten und berechneten Daten um Chiffretextdaten handelt. Auf diese Weise müssen Sie sich keine Sorgen über Datenlecks machen. Dieser datenschutzfreundliche Ansatz ist ideal.
Halbhomomorphe Verschlüsselung: Halbhomomorph ist einfacher und praktischer. Semihomomorphismus bedeutet, dass der Chiffretext nur eine homomorphe Eigenschaft aufweist, beispielsweise additiver Homomorphismus/multiplikativer Homomorphismus.
Ungefährer Homomorphismus: Ermöglicht die gleichzeitige Berechnung von Addition und Multiplikation am Chiffretext, die Anzahl der unterstützten Zeiten ist jedoch sehr begrenzt.
Vollständig homomorphe Verschlüsselung mit endlichen Reihen: Ermöglicht uns die Durchführung einer beliebigen Kombination aus Addition und Multiplikation am Chiffretext ohne Begrenzung der Häufigkeit. Es gibt jedoch eine neue Obergrenze für die Komplexität, die die Komplexität der Funktion begrenzt.
Vollständig homomorphe Verschlüsselung: Sie muss eine beliebige Anzahl von Additions- und Multiplikationsoperationen ohne Begrenzung der Komplexität oder Häufigkeit unterstützen.
Die vollständig homomorphe Verschlüsselung ist hier die schwierigste und idealste und wird als „Heiliger Gral der Kryptographie“ bezeichnet.
1.2 Geschichte
Die vollständig homomorphe Verschlüsselung hat eine lange Geschichte
1978: Das Konzept der vollständig homomorphen Verschlüsselung wurde vorgeschlagen.
2009 (erste Generation): Das erste vollständig homomorphe Schema wurde vorgeschlagen.
2011 (zweite Generation): Ein vollständig homomorphes Schema basierend auf ganzen Zahlen wurde vorgeschlagen. Es ist einfacher als die vorherige Lösung, aber die Effizienz wird nicht verbessert.
2013 (dritte Generation): Eine neue GSW-Technologie zum Aufbau einer FTE-Lösung wurde vorgeschlagen, die effizienter und sicherer ist. Mit der Entwicklung von FHEW und TFHE wurde diese Technologie weiter verbessert und die Effizienz weiter gesteigert.
2016 (Vierte Generation): Es wurde ein annähernd homomorphes Verschlüsselungsschema, CKKS, vorgeschlagen, das die effektivste Methode zur Bewertung polynomialer Näherungen darstellt und sich besonders für datenschutzschonende maschinelle Lernanwendungen eignet.
Die derzeit von häufig verwendeten homomorphen Verschlüsselungsbibliotheken unterstützten Algorithmen sind hauptsächlich Algorithmen der dritten und vierten Generation. Algorithmische Innovation, technische Optimierung, benutzerfreundlichere Blockchain und Hardwarebeschleunigung lassen sich durch den Kapitalzufluss leicht realisieren.
1.3 Aktuelle Leistung und Verfügbarkeit
Häufig verwendete homomorphe Verschlüsselungsbibliotheken:
ZAMA TFHE-Leistung:
Beispiel: Die 256-Bit-Addition und -Subtraktion von ZAMA TFHE dauert etwa 200 ms, und die Berechnung im Klartext dauert etwa zehn bis Hunderte von Nanosekunden. Die Berechnungsgeschwindigkeit von FHE ist etwa 10^6-mal langsamer als die Berechnung im Klartext. Teilweise optimierte Vorgänge sind etwa 1000-mal langsamer als reiner Text. Natürlich ist es von Natur aus unfair, eine Chiffretextberechnung mit einer Klartextberechnung zu vergleichen. Für die Privatsphäre ist ein Preis zu zahlen, ganz zu schweigen von der idealen Datenschutztechnologie des vollständigen Homomorphismus.
ZAMA plant, die Leistung durch die Entwicklung von FHE-Hardware weiter zu verbessern.
1.4 Mehrere technische Forschungsrichtungen von FHE+Web3
Web3 ist dezentralisiert und es gibt viele technische Richtungen, die in Kombination mit vollständig homomorphem Web3 untersucht werden können, wie zum Beispiel die folgenden.
Innovative FHE-Lösungen, Compiler und Bibliotheken machen FHE benutzerfreundlicher, schneller und besser für die Blockchain geeignet.
FHE-Hardware verbessert die Rechenleistung.
FHE + ZKP verwenden FHE zur Datenschutzberechnung und verwenden ZK, um zu beweisen, dass die Eingabe und Ausgabe die Bedingungen erfüllen, oder um zu beweisen, dass FHE korrekt ausgeführt wird.
Um Fehlverhalten auf Rechenknoten zu verhindern, können EigenLayer-Restapping usw. kombiniert werden.
Beim MPC-Entschlüsselungsschema wird der gemeinsame Zustand verschlüsselt und der Schlüssel häufig MPC-sharded, was ein sicheres und leistungsstarkes Schwellenwert-Entschlüsselungsprotokoll erfordert.
Die DA-Schicht für die Datenspeicherung erfordert eine DA-Schicht mit höherem Durchsatz, und die vorhandene Celestia kann diese Anforderungen nicht erfüllen.
Insgesamt glauben wir, dass die vollständig homomorphe FHE-Verschlüsselung eine kommende Datenschutztechnologie der nächsten Generation ist. FHE verfügt über ideale Datenschutzfunktionen, weist jedoch noch Leistungslücken auf. Wir glauben, dass mit dem Einstieg von Krypto-Kapital die Entwicklung und Reife der Technologie erheblich beschleunigt wird, genau wie die rasante Entwicklung von ZK in den letzten Jahren. FHE ist eine Strecke, die unserem Layout würdig ist.
2. FHE wird in verschiedenen Datenschutzszenarien in Web3 verwendet, wobei ich hinsichtlich Datenschutz-EVM am optimistischsten bin.
FHE gehört zur Datenschutzsparte. Einfach ausgedrückt umfasst es „Transaktions-Datenschutz“ + „KI-Datenschutz“ + „Datenschutz-Co-Prozessor“.
Der Schutz der Privatsphäre bei Transaktionen umfasst auch den Schutz der Privatsphäre bei Defi, Abstimmungen, Geboten, Anti-MEV usw.
Der KI-Datenschutz umfasst auch die dezentrale Identität sowie den Datenschutz anderer KI-Modelle und -Daten.
Der Datenschutz-Coprozessor führt vollständig homomorphe Chiffretextoperationen außerhalb der Kette aus und gibt die Ergebnisse schließlich an die Kette zurück. Er kann für vertrauenswürdige Spiele usw. verwendet werden.
Natürlich gibt es viele Datenschutztechnologien, und Sie werden die Besonderheit von FHE erkennen, wenn Sie sie vergleichen.
TEE ist sehr schnell. Die Daten werden im Klartext in der vertrauenswürdigen Hardware gespeichert und berechnet, sodass es sehr schnell ist. Es verlässt sich jedoch auf sichere Hardware und nicht auf den Algorithmus. Dieses Vertrauensmodell ist zentralisiert. Und einige Berechnungsüberprüfungen von TEE erfordern eine Verbindung zum TEE-Hersteller zur Fernüberprüfung. Für die Integration in die Blockchain zur On-Chain-Verifizierung ist dies nicht geeignet. Da wir eine On-Chain-Verifizierung benötigen, können nur die historischen Datenknoten der Blockchain unabhängig vervollständigt werden und sollten nicht auf externe zentralisierte Institutionen angewiesen sein.
MPC Secure Multi-Party Computing ist ebenfalls eine datenschutzschonende Multi-Party-Computing-Technologie. Allerdings erfordert diese Technologie oft, dass mehrere Parteien gleichzeitig online sind und häufig interagieren, und ist normalerweise nicht für asynchrone Szenarien wie Blockchain geeignet. MPC dient meist der dezentralen Schlüsselverwaltung. Im MPC-Wallet wird der private Schlüssel nirgendwo vollständig gespeichert. Stattdessen wird der private Schlüssel in mehrere Shards (oder Teile) aufgeteilt, die auf verschiedenen Geräten oder Knoten gespeichert werden. Nur wenn eine Transaktion signiert werden muss, nehmen mehrere Shards über das Mehrparteien-Berechnungsprotokoll gemeinsam an der Berechnung teil, um eine Signatur zu generieren.
ZK-Zero-Knowledge-Proof wird hauptsächlich als Berechnungsnachweis verwendet, um zu beweisen, dass ein bestimmter Berechnungsprozess korrekt ausgeführt wurde, und wird selten zum Schutz der Privatsphäre verwendet. ZK und homomorphe Technologie sind ebenfalls untrennbar miteinander verbunden, und homomorphe Technologie wird auch im Datenschutzbereich verwendet.
Die vollständig homomorphe FHE-Verschlüsselung erfordert keinen Datenaustausch während des Chiffretext-Operationsprozesses und kann vollständig auf dem Server/Knoten berechnet werden. Daher erfordert MPC nicht, dass der Initiator/mehrere Parteien online sein müssen, und ist besser für Blockchain geeignet. Und im Vergleich zu TEE ist es vertrauenswürdig. Der einzige Nachteil ist, dass die Leistung nicht hoch ist.
Solange FHE die Leistung schrittweise verbessert, sind seine Datenschutzfunktionen daher besser für Web3 geeignet.
Gleichzeitig ist die vollständig homomorphe Verschlüsselung im Hinblick auf den Schutz der Privatsphäre von Transaktionen auch besser für EVM geeignet. Weil:
Ring-Signatur- und Währungsmischtechnologien können keine Verträge unterstützen.
Bei ZK-Datenschutzprojekten wie Aleo ähneln die privaten Daten dem UTXO-Modell und nicht dem EVM-Kontomodell.
Die vollständig homomorphe Verschlüsselung kann sowohl Verträge als auch Kontomodelle unterstützen und lässt sich problemlos in die EVM integrieren.
Im Gegensatz dazu ist das vollständig homomorphe EVM tatsächlich attraktiv.
KI-Operationen sind von Natur aus rechenintensiv, und das Hinzufügen eines komplexen Verschlüsselungsmodus wie der vollständig homomorphen Verschlüsselung kann in dieser Phase zu einer zu geringen Leistung und zu hohen Kosten führen. Ich denke, dass der KI-Datenschutz irgendwann eine TEE/MPC/ZK/semi-homomorphe Hybridlösung sein wird.
Im Allgemeinen kann eine vollständig homomorphe Verschlüsselung für den Schutz der Transaktionsdaten, den Schutz der KI-Daten und die Co-Prozessoren zum Schutz der Privatsphäre in Web3 verwendet werden. Unter diesen bin ich besonders optimistisch in Bezug auf den Datenschutz-EVM, der flexibler und für EVM besser geeignet ist als die bestehende Ringsignatur, Währungsmischtechnologie und ZK.
3. Die meisten FHE-Projekte werden von diesem Jahr bis zum ersten Quartal nächsten Jahres im Mainnet gestartet. Wir glauben, dass Fhenix neben ZAMA das beste FHE-Projekt ist.
Wir haben die herausragenden vollständig homomorphen Verschlüsselungsprojekte untersucht, die heute auf dem Markt sind. Ihre kurzen Informationen lauten wie folgt:
3.1 ZAMA (Werkzeug)
Erzählung: Vollständig homomorphe Verschlüsselung für Blockchain und KI
Tools: TFHE-rs, eine Rust-Implementierung von TFHE
Tools: Concrete, der Compiler von TFHE
Produkt: Konkretes ML, datenschutzschonendes maschinelles Lernen
Produkt: fhEVM, datenschutzschonende Smart Contracts
Team: CTO Pascal Paillier, berühmter Kryptologe
CTO & Mitbegründer: Pascal Paillier Kryptozoologe. Erhielt 1999 seinen Doktortitel von Telecom ParisTech. 1999 erfand er das Paillier-Kryptosystem. Er begann 2013 mit der Veröffentlichung von Artikeln zum Thema homomorphe Verschlüsselung und ist einer der führenden Köpfe auf dem Gebiet der vollständig homomorphen Verschlüsselung.
CEO und Mitbegründer: Rand Hindi, schloss 2011 sein Studium der Bioinformatik mit einem Doktortitel ab. Während seiner Arbeit an ZAMA war er als Berater für mehrere Projekte tätig.
Finanzierung: In 4 Jahren wurden insgesamt mehr als 82 Millionen US-Dollar eingesammelt. Die letzte Finanzierungsrunde der Serie A betrug 73 Millionen, angeführt von Multicoin Capital und Protocol Labs.
Am 26. September 2023 sammelte die Seed Round unter der Leitung von Multicoin Capital 7 Millionen US-Dollar unter Beteiligung von Node Capital, Bankless Ventures, Robot Ventures, Tane Labs, HackVC und Metaplanet
3.2 Fhenix (EVM + KI)
Beschreibung: FHE-Coprozessor/L2-FHE-Rollup (EVM-kompatibler Datenschutz L2)
Produkt: FHE-fähiges Rollup, ein EVM-kompatibler vertraulicher Smart Contract. Entwickler nutzen Solidity, um Dapps zu entwickeln und gleichzeitig den Datenschutz zu gewährleisten.
Produkt: FHE-Coprozessor, der kryptografische Rechenaufgaben von der Host-Kette (sei es Ethereum, L2 oder L3) nach außerhalb der Kette verlagert. Sie steigern die Effizienz von FHE-basierten Abläufen erheblich.
Zusammenarbeit: Arbeiten Sie mit Zama zusammen, nutzen Sie das fhEVM von ZAMA und die ZAMA-Bibliothek auf Github ist ein Fork
Zusammenarbeit: Arbeiten Sie mit EigenLayer zusammen. Die Knoten von Rollup müssen in EigenLayer neu generiert werden
Team: Guy Itzhaki verfügt über mehr als sieben Jahre Berufserfahrung bei Intel und fungiert als Intels Director of Homomorphic Encryption and Blockchain Business Development.
Gründer: Guy Zyskind, Doktorand am MIT, MSC am MIT im Jahr 2016. Beteiligt sich an der Forschung und Entwicklung des MIT Enigma-Datenschutzprotokolls und verfügt über starke Forschungs- und Entwicklungskapazitäten.
CEO: Guy Itzhaki verfügt über 7 Jahre Berufserfahrung bei Intel und verfügt über umfangreiche Erfahrung im Bereich des Datenschutzes. Er war einst Direktor für homomorphe Verschlüsselung und Blockchain-Geschäftsentwicklung bei Intel.
Prof. Chris, Peikert, Kryptograph der vollständig homomorphen Verschlüsselung. Algorands Kryptografieführer.
Finanzierung: 1 Jahr, die letzte Finanzierungsrunde der Serie A betrug 15 Millionen, angeführt von Hack VC, gefolgt von Foresight Ventures und anderen Institutionen.
Im Mai 2024 sammelte die Serie A 15 Millionen US-Dollar, angeführt von Hack VC, gefolgt von Foresight Ventures und anderen Institutionen.
Am 26. September 2023 sammelte die Seed Round unter der Leitung von Multicoin Capital 7 Millionen US-Dollar unter Beteiligung von Node Capital, Bankless Ventures, Robot Ventures, Tane Labs, HackVC und Metaplanet.
Roadmap: Testnet wird im zweiten Quartal 2024 veröffentlicht und im ersten Quartal 2025 gestartet
Im zweiten Quartal 2024 wird das Schwellenwertnetzwerk veröffentlicht.
2024 – Q3, FHE Co-Prozessor V0.
Q1, 2025, Mainnet
2025 – Q3, FHE Co-Prozessor V1.
3.3 Inco (EVM)
Erzählung: Modulare Privacy Computing-Schicht/unterstützende EVM-Ketten
Produkt: FHE-fähiges Rollup, ein EVM-kompatibler vertraulicher Smart Contract. Entwickler nutzen Solidity, um Dapps zu entwickeln und gleichzeitig den Datenschutz zu gewährleisten.
Zusammenarbeit: Zusammenarbeit mit Zama unter Verwendung des fhEVM von ZAMA
Team: Gründer Remi Ga, der in den Anfangstagen kurzzeitig als Softwareentwickler bei Microsoft und Google arbeitete und am DeFi-Projekt von Parallel Finance arbeitete
Gründer: Remi Gai, vor 22 Jahren, hatte er 6 bis 9 Monate Erfahrung als Softwareentwickler bei Microsoft bzw. Google und arbeitete später an Parallel Finance- und DeFi-Projekten.
Technischer Leiter: Amaury A, Hauptentwickler von Cosmos
Finanzierung: Die letzte Runde der Seed-Finanzierung belief sich auf 4,5 Millionen, angeführt von 1kx
Im Februar 2024 schloss Inco Network eine Seed-Finanzierungsrunde in Höhe von 4,5 Millionen US-Dollar ab, angeführt von 1kx, mit Beteiligung von Circle Ventures, Robot Ventures, Portal VC, Alliance DAO, Big Brain Holdings, Symbolic, GSR, Polygon Ventures, Daedalus und Matter Labs und Fenbushi-Besetzung
Fortschritt: Testnet im März 2024 gestartet, Mainnet im vierten Quartal 2024 gestartet
Im März 2024 wurde das Testnetz inklusive fhEVM gestartet. Zu den aktuellen Beispielen gehören ERC-20 zum Schutz der Privatsphäre, Datenschutzabstimmung, blinde Fotografie und Datenschutz-DID.
Im zweiten bis dritten Quartal 2024 wird das Testnetzwerk einschließlich fhEVM gestartet
Q4 2024, im Mainnet
Im Jahr 2025 planen wir eine FPGA-Hardwarebeschleunigung und hoffen, dass die TPS 100 bis 1000 erreicht.
3.4 Gedankennetzwerk (KI&DePIN)
Erzählung: Datenschutz und private Datenverarbeitung. KI- und DePIN-Daten und -Modelle.
Produkt: Die 23-jährige Geschichte ist Privacy Data Lake, datenschutzschonende Datenspeicherung und Datenverarbeitung. In diesem Jahr haben wir den Datenschutz für KI- und DePIN-Daten und -Modelle angepasst.
Zusammenarbeit: Arbeiten Sie mit ZAMA zusammen und nutzen Sie die vollständig homomorphe Bibliothek von ZAMA
Zusammenarbeit: Arbeiten Sie mit Fhenix und Inco zusammen und verwenden Sie fhEVM für Rollup
Zusammenarbeit: Arbeiten Sie mit Arweave zusammen, um verschlüsselte Daten zu speichern
Zusammenarbeit: Zusammenarbeit mit EigenLayer, Babylon usw., Serviceknoten-Restaking Referenz: https://mindnetwork.medium.com/fhe-secured-restooking-layer-scaling-security-for-ai-depin-networks-73d5c6e5dda3
Team: CTO George war Forscher an der Universität Cambridge.
Mitbegründer und CTO: George war Forscher an der Universität Cambridge, technischer Direktor einer multinationalen Bank und verfügt über langjährige Erfahrung in der Internet-Finanztechnologie.
Finanzierung: 2 Jahre, Seed sammelte 2,5 Millionen, inkubiert von Binance Labs
Am 20. Juni 2023 sammelte die Seed Round unter der Leitung von Binance Labs 2,5 Millionen US-Dollar unter Beteiligung von HashKey, SevenX usw.
RoadMap: Im Testnetzwerk gibt es derzeit eine Retake-Funktion. Der Rest der Roadmap wurde noch nicht bekannt gegeben
3.5 Privasea (AI&DePIN)
Erzählung: KI und DePIN Privacy Computing.
Produkt: Verwenden Sie FHE, um ML-Modelle zu trainieren. Die Booleschen Gatter von TFHE wurden optimiert.
Produkt: FaceID, datenschutzgeschützte Version der Gesichtserkennung. Für Hexensicherheit und KYC
Kooperation: Integration von BNB Greenfield zur Speicherung verschlüsselter Daten
Team: CTO Zhuan Cheng, PhD in Mathematik an der University of Chicago, verfügt über umfangreiche Erfahrung in der Forschung und Entwicklung von Kryptographietechnologie.
CEO: David Jiao, das KI-Projekt hat 20 Millionen Yuan und das Blockchain-Projekt 4 Millionen Yuan gesammelt.
CTO Zhuan Cheng, PhD in Mathematik an der University of Chicago, verfügt über umfangreiche Erfahrung in der Kryptographieforschung und -entwicklung. Er hat zuvor am ZK-Datenschutzprojekt von NuLink gearbeitet.
Finanzierung: 1 Jahr, Seed sammelte 5 Millionen, inkubiert von Binance Labs
Im März 2024 sammelte die Seed Round 5 Millionen US-Dollar, inkubiert von Binance Labs, unter Beteiligung von MH Ventures, K300, Gate Labs, 1NVST und anderen.
RoadMap: Testnet V2 im April 2024 veröffentlicht, Mainnet Q3 im Jahr 2024
Januar 2024, Testnet V1.
April 2024, Testnet V2.
2024 – Q3, TGE.
3.6 Optalysys (Tools)
Erzählung: Homomorphe Verschlüsselungshardware.
Den oben genannten Informationen zufolge stellt ZAMA diesen Projekten die zentrale Open-Source-Bibliothek der vollständig homomorphen Verschlüsselung zur Verfügung und ist derzeit der wohlverdiente Technologiepionier und stärkste Akteur. Da ZAMA jedoch noch keine Pläne zur Ausgabe von Münzen angekündigt hat, haben wir uns auf Fhinex konzentriert.
Fhinex wird datenschutzschützende EVM und datenschutzschützende Smart Contracts implementieren. Sie planen den Bau eines Fhenix L2, eines vollständig homomorphen Datenschutz-EVM. Bietet datenschutzschonenden Handel, DeFi und mehr. Dieser L2 ist auch mit einem Schwellenwertnetzwerk für die Durchführung einiger Verschlüsselungs- und Entschlüsselungsvorgänge ausgestattet, und Fhenix wird auch einen FHE-Coprozessor aufbauen, ein vollständig homomorphes Computernetzwerk, das andere EVM-Ketten als Fhenix bedienen und vollständig homomorphes Computing bereitstellen kann.
Das Fhinex-Team verfügt über starke technische Stärke. Zu den Teammitgliedern gehören nicht nur Experten, die bei Intel für Privacy Computing verantwortlich sind, sondern auch Doktoranden, die an der Entwicklung des Enigma-Datenschutzprotokolls am MIT beteiligt waren, und Leiter der Algorand-Kryptographie.
Kurz gesagt glauben wir, dass vollständig homomorphe Verschlüsselungsprojekte wie ZAMA und Fhinex ideale Tools zum Schutz der Privatsphäre in die Blockchain einbringen können.