Autore: Poopman, Ouro Research Traduzione: 0xjs@金财经
FHE apre la possibilità di eseguire calcoli su dati crittografati senza decrittografia.
Se combinato con blockchain, MPC, ZKP (scalabilità), FHE fornisce la necessaria riservatezza e supporta vari casi d'uso on-chain.
Questo articolo fornisce una breve panoramica dello stato attuale della FHE.
Presenterò: 1. Background della FHE 2. Come funziona la FHE? 3. 5 aree nell'ecosistema dell'educazione sanitaria professionale; 4. Sfide e soluzioni attuali dell'educazione sanitaria professionale.
1. Contesto
L'FHE fu proposto per la prima volta nel 1978, ma a causa della sua elevata complessità computazionale non fu pratico per molto tempo e rimase a livello teorico.
Fu solo nel 2009 che Craig sviluppò un modello praticabile per l’EFE e da allora l’interesse della ricerca sull’EFE è salito alle stelle.
Nel 2020, Zama ha lanciato TFHE e fhEVM, ponendo FHE al centro dell'attenzione nel campo della crittografia.
Da allora, abbiamo assistito all'emergere di FHE L1/L2 compatibili con EVM generali come Fhenix, Inco Network e il compilatore FHE Sunscreen Tech.
2. Come funziona la FHE?
Puoi immaginare che ci sia una scatola cieca con dei puzzle all'interno. Tuttavia, una scatola cieca non può imparare nulla sul puzzle che gli dai, ma può comunque calcolare matematicamente i risultati.
Alcuni casi d'uso di FHE includono: elaborazione privata on-chain, crittografia dei dati on-chain, contratti intelligenti privati su reti pubbliche, ERC20 riservato, voto privato, aste cieche NFT, MPC più sicuro, protezione front-running, bridge trustless e altro ancora. .
3. Ecosistema FHE
Nel complesso, il modello di FHE on-chain può essere riassunto in 5 aree: 1. FHE generale; 2. FHE/HE per casi d'uso specifici (applicazioni) 3. Hardware di accelerazione FHE 4. FHE con AI;
1. Blockchain e strumenti FHE universali
Sono la spina dorsale della riservatezza della blockchain. Ciò include SDK, coprocessori, compilatori, nuovi ambienti di esecuzione, blockchain, moduli FHE...
La cosa più impegnativa è: introdurre FHE in EVM, cioè fhEVM.
includere:
fhEVM: Zama, Fhenix, rete Inco, Fair Math
Strumenti/infrastruttura FHE: Octra, Sunscreen Tech, Fairblock, Dero, Arcium (ex Elusiv), Shibarium
Di seguito è riportato un riepilogo di una frase di ciascun progetto.
2. FHE/HE adatti per applicazioni speciali
Penum: cosmos dex cross-chain (appchain) che utilizza tFHE per swap/pool schermati.
zkHoldem: un gioco di poker su Manta Network che utilizza HE e ZKP per dimostrare l'equità del gioco.
3. Hardware di accelerazione
Il bootstrap per ridurre la crescita del rumore è fondamentale ogni volta che FHE viene utilizzato per calcoli intensivi come FHE-ML. Soluzioni come l'accelerazione hardware svolgono un ruolo importante nel facilitare l'avvio, con gli ASIC che funzionano meglio.
I membri nello spazio hardware includono: Optalysys, Chain Reaction, Ingonyama, Cysic
Ciascuna azienda è specializzata nella produzione di hardware, come chip, ASIC e semiconduttori, in grado di accelerare l'avvio/elaborazione FHE.
4、AI X HE
Recentemente, c’è stato un crescente interesse nell’integrazione dell’FHE nell’AI/ML. Tra questi, FHE impedisce alle macchine di apprendere informazioni sensibili durante l'elaborazione e garantisce riservatezza per dati, modelli e output durante tutto il processo.
I membri AI x FHE includono: Mind Network, Sight AI, BasedAI, Privasea
5. “Soluzioni alternative”
Alcuni non utilizzano FHE, ma utilizzano MPC per proteggere dati di alto valore ed eseguire "calcoli ciechi", mentre altri utilizzano ZKSNARK per garantire la correttezza dei calcoli FHE sui dati crittografati.
Essi sono: rete Nillion, Pado Labs
4. Sfide e soluzioni affrontate dall'EFHE
A differenza di ZK e MPC, FHE è ancora nelle fasi iniziali.
Le sfide principali includono:
Prestazioni lente: attualmente, i contratti intelligenti privati che utilizzano fh-EVM hanno solo 5 TPS. Inoltre, TFHE ora funziona circa 1000 volte più lentamente rispetto ai dati puri.
Non abbastanza amichevole per gli sviluppatori: mancano ancora algoritmi standardizzati e strumenti FHE complessivamente supportati.
Elevato sovraccarico computazionale (costo): può portare alla centralizzazione dei nodi a causa della gestione del rumore e della guida di calcoli complessi.
Rischi FHE on-chain non sicuri: per qualsiasi sistema di decrittazione con soglia sicura, le chiavi di decrittografia sono distribuite tra i nodi. Tuttavia, a causa dell’elevato sovraccarico dell’FHE, ciò potrebbe comportare un numero inferiore di validatori e quindi una maggiore probabilità di collusione.
soluzione:
Avvio programmabile: consente di applicare i calcoli durante l'avvio, aumentando così l'efficienza pur essendo specifico dell'applicazione.
Accelerazione hardware: sviluppa ASIC, GPU e FPGA con le librerie OpenFHE per accelerare le prestazioni FHE.
Migliore sistema di decrittazione della soglia: in breve, per rendere FHE on-chain più sicuro, abbiamo bisogno di un sistema (potrebbe essere MPC) che garantisca: bassa latenza, barriera di ingresso decentralizzata più bassa per i nodi, tolleranza ai guasti.