Autor original: Poopman
Compilação original: Joyce, nota do editor BlockBeats:
"FHE" é um tópico técnico importante na comunidade de criptografia recentemente.
Duas semanas atrás, Ethereum Layer 2 Fhenix anunciou a conclusão de uma rodada de financiamento Série A de US$ 15 milhões liderada por Hack VC. Já no ano passado, Fhenix recebeu uma rodada inicial de financiamento liderada por Multicoin. Fhenix é um Ethereum L2 desenvolvido com FHE Rollups e FHE Coprocessors que pode executar contratos inteligentes baseados em FHE com computação confidencial na cadeia. Ontem, o fundador da Arweave, Sam Williams, que está passando por uma grande atualização, também postou nas redes sociais, dizendo que a função de utilização do FHE para cálculos de privacidade dentro do processo AO será lançada em breve.
Existem muitos projetos ecológicos FHE. Este longo artigo da comunidade KOL Poopman resume brevemente o conceito de FHE e projetos ecológicos e propõe os desafios técnicos e possíveis soluções enfrentados pelo FHE.
FHE abre a possibilidade de computar dados criptografados sem descriptografia. Quando combinado com blockchain, MPC, ZKP (escalabilidade), o FHE fornece a confidencialidade necessária e oferece suporte a vários casos de uso na cadeia.
Neste artigo, apresentarei quatro questões, nomeadamente os antecedentes da FHE, como funciona a FHE, 5 paisagens do ecossistema da FHE e os atuais desafios e soluções da FHE.
Antecedentes da FHE
O FHE foi proposto pela primeira vez em 1978, mas devido à sua complexidade computacional, não foi prático e sim teórico por algum tempo. Foi só em 2009 que Craig desenvolveu um modelo viável para a FHE, o que despertou o interesse de investigação na FHE.
Em 2020, a Zama lançou o TFHE e o fhEVM, trazendo o FHE para o centro das atenções no espaço das criptomoedas. Desde então, vimos o surgimento de FHE L1/L2 compatíveis com EVM universal, como Fhenix, Inco e compiladores FHE, como Sunscreen, etc.
Como funciona o FHE?
Você pode imaginar que há uma caixa cega com peças de um quebra-cabeça dentro. No entanto, uma caixa cega não pode aprender nada sobre o quebra-cabeça que você lhe deu, mas ainda pode calcular os resultados matematicamente.
Você pode aprender mais com minha explicação simplista do FHE se ela for muito abstrata. FHE é uma tecnologia de privacidade que permite que cálculos sejam realizados em dados criptografados sem primeiro descriptografá-los. Em outras palavras, qualquer terceiro ou nuvem pode lidar com informações confidenciais sem acessar nenhum dado internamente.
Então, quais são os casos de uso do FHE? Aumente a privacidade do aprendizado de máquina, da computação em nuvem e dos jogos de azar em rede por meio de ZKP e MPC. Transações de cadeia privada/contratos inteligentes privados/máquinas virtuais com foco na privacidade, como FHEVM, etc.
Alguns casos de uso de FHE incluem: computação privada em cadeia, criptografia de dados em cadeia, contratos inteligentes privados em redes públicas, ERC 20 confidencial, votação privada, leilões cegos de NFT, MPC mais seguro, proteção frontal, pontes sem confiança.
Ecossistema FHE
No geral, as perspectivas do FHE em cadeia podem ser resumidas em 5 áreas. Eles são FHE geral, FHE/HE para casos de uso específicos (aplicativos), hardware de aceleração FHE, FHE Wif AI e "soluções alternativas".
Blockchain e ferramentas FHE universais
Eles são a espinha dorsal da confidencialidade do blockchain. Isso inclui SDKs, coprocessadores, compiladores, novos ambientes de execução, blockchain, módulos FHE… O mais desafiador é trazer o FHE para o EVM, conhecido como fhEVM.
fhEVM：
Zama (@zama_fhe ), como representante da fhEVM - o primeiro provedor a fornecer solução TFHE (criptografia totalmente homomórfica) + fhEVM (máquina virtual totalmente homomórfica).
Fhenix (@FhenixIO), implementa FHE L2 (segunda camada) + coprocessador FHE em ETH.
Rede Inco (@inconetwork), com foco em FHE L1 compatível com EVM nas áreas de jogos/RWA (ativos do mundo real)/DID (identidade descentralizada)/social e outras áreas.
FairMath (@FairMath ), uma organização de pesquisa de máquinas virtuais totalmente homomórficas (FHE-(E)VM) que trabalha com openFHE para promover a implementação e adoção de FHE.
Ferramentas de infraestrutura FHE:
Rede Octra (@octra ), um blockchain que suporta ambiente de execução isolado HFHE (High-Order Fully Homomorphic Encryption).
Sunscreen (@SunscreenTech), um compilador totalmente homomórfico baseado em Rust, depende da biblioteca SEAL da Microsoft.
Fairblock (@0x fairblock ), um provedor de criptografia programável e serviços de descriptografia condicional, também oferece suporte a tFHE (Threshold Fully Homomorphic Encryption).
Dero (@DeroProject), suporta L1 de HE (criptografia homomórfica) para transações privadas (não FHE).
Arcium (@ArciumHQ), L1 desenvolvido pela equipe @elusivprivacy que combina privacidade HE (criptografia homomórfica) + MPC (computação multipartidária) + ZK (prova de conhecimento zero).
Corrente Shibraum FHE, FHE L1 feita com solução zama TFHE.
FHE/HE para aplicações específicas
Penumbrazone (@penumbrazone): Um Cosmos dex de cadeia cruzada (appchain) usando tFHE como exchange/pool blindado.
zkHold-em (@zkHoldem): é um jogo de pôquer no Manta que usa HE e ZKP para provar a justiça do jogo.
Aceleração de hardware FHE
Cada vez que o FHE é usado para cálculos intensivos como o FHE-ML, a inicialização para reduzir o crescimento do ruído é crucial. Soluções como aceleração de hardware desempenham um papel importante na facilitação da inicialização, com os ASICs apresentando o melhor desempenho.
Optalysys (@Optalysys), uma empresa de hardware focada em acelerar todos os softwares relacionados ao TEE, incluindo FHE, por meio de computação óptica.
Chain Reaction (@chainreactioni 0 ), uma empresa de hardware que produz chips que ajudam a melhorar a eficiência da mineração. Eles planejam lançar um chip FHE até o final de 2024.
Ingonyama (@Ingo_zk) é uma empresa de semicondutores com foco em aceleração de hardware ZKP/FHE. Os produtos existentes incluem ZPU.
Cysic (@cysic_xyz) é uma empresa de aceleração de hardware cujos produtos existentes incluem hardware FPGA de desenvolvimento próprio, bem como o próximo chip ZK DePiN, ZK Air e ZK Pro.
Cada empresa é especializada na produção de hardware como chips, ASICs e semicondutores que aceleram a inicialização/computação do FHE.
AI X ELE
Recentemente, tem havido um interesse crescente na integração da FHE na IA/ML. Entre outras coisas, o FHE evita que as máquinas aprendam qualquer informação sensível durante o processamento e fornece confidencialidade para dados, modelos e resultados durante todo o processo.
Os membros Ai x FHE incluem:
Rede Mind (@mindnetwork_xyz), uma camada de re-stake FHE usada para proteger redes de prova de aposta (PoS) e IA por meio de criptografia de dados de alto valor e votação privada, reduzindo a chance de conluio e manipulação de nós.
SightAl (@theSightAI), um blockchain de inferência FHE AI verificável com FHE-ML verificável. O blockchain consiste em três partes principais: a cadeia de visão, a camada de agregação de dados (camada DA) e uma rede de inferência visual (Sight Inference Network), que executa tarefas FHE-ML.
AI baseada (@getbasedai), AI baseada é um blockchain L1 que integra FHE com modelos de linguagem grandes (LLM) usando um mecanismo chamado Cerberus Squeezing, que pode converter qualquer modelo de linguagem grande de conhecimento zero LLM (ZL-LLM) para criptografia.
Privasea Al (@Privasea_ai), Privasea AI é uma rede de IA que permite aos usuários criptografar seus dados ou modelos usando o esquema FHE na biblioteca HESea e, em seguida, carregá-los para a rede Privasea-AI, onde o blockchain processa os dados em um estado criptografado.
A biblioteca HESea é abrangente, contendo diferentes bibliotecas para TFHE, CKKS e BGV/BFV, e é compatível com uma variedade de cenários.
"Solução Alternativa" MPC/ZKFHE
Alguns não usam FHE, mas usam MPC para proteger dados de alto valor e realizar “cálculos cegos”, enquanto outros usam ZKSNARK para garantir a exatidão dos cálculos do FHE em dados criptografados. Eles são:
Nillion Network (@nillionnetwork), uma rede de computação que usa MPC para descentralizar e armazenar dados de alto valor, ao mesmo tempo que permite aos usuários escrever programas e realizar cálculos cegos. Nillion consiste em dois componentes principais: a camada de coordenação e o Petnet. A camada de coordenação atua como um canal de pagamento, enquanto a Petnet realiza computação cega e armazenamento de dados de alto valor.
Padolabs (@padolabs), Pado é uma rede de computação que usa FHE para processar dados confidenciais, ao mesmo tempo que aproveita MPC-TLS e ZKP para garantir a correção dos cálculos.
Desafios e soluções da FHE
Ao contrário do ZK e do MPC, o FHE ainda está numa fase inicial. Quais são os gargalos no FHE neste momento? Para aumentar a segurança da computação, algum “ruído” é adicionado ao texto cifrado durante a criptografia. Quando muito “ruído” se acumula no texto cifrado, ele se torna muito “ruidoso” e, em última análise, afeta a precisão da saída. Diferentes soluções estão explorando como eliminar efetivamente o ruído sem impor muitas restrições ao projeto, incluindo TFHE, CKKS, BGV e outras.
Os principais desafios para a FHE incluem:
Desempenho lento: Atualmente, os contratos inteligentes privados que usam fh-EVM têm apenas 5 TPS. O TFHE agora tem um desempenho aproximadamente 1.000 vezes mais lento em comparação com dados puros.
Ainda não é adequado para desenvolvedores: ainda faltam algoritmos padronizados e ferramentas FHE com suporte geral.
Alta sobrecarga computacional (custo): Isso pode levar à centralização do nó devido ao gerenciamento de ruído e cálculos complexos para inicializar.
Riscos de FHE em uma cadeia não segura: Para garantir a segurança de qualquer sistema de descriptografia de limite, as chaves de descriptografia são distribuídas entre os nós. No entanto, devido à maior sobrecarga do FHE, isto pode resultar num número menor de validadores e, portanto, numa maior probabilidade de conluio.
As soluções incluem:
Boost Programável: Permite que cálculos sejam aplicados durante a inicialização, aumentando assim a eficiência e ao mesmo tempo específico da aplicação.
Aceleração de hardware: Desenvolva bibliotecas ASIC, GPU e FPGA e OpenFHE para acelerar o desempenho do FHE.
Melhor sistema de descriptografia de limite. Em suma, para tornar o FHE on-chain mais seguro, precisamos de um sistema (que pode ser MPC) para garantir: baixa latência, diminuir o limite de entrada do nó e alcançar a descentralização;
Link original