Автор оригинала: Хаотянь

Статья Виталика о FHE (полностью гомоморфном шифровании) еще раз вдохновила всех на исследование и воображение новых технологий шифрования. По моему мнению, полностью гомоморфное шифрование FHE действительно является шагом вперед, превосходящим воображение технологии ZKP, и может помочь AI+Cryp реализовать больше сценариев применения. Как понять это?​

1) Определение: Полностью гомоморфное шифрование FHE позволяет выполнять операции с определенными формами зашифрованных данных, не беспокоясь о раскрытии данных и конфиденциальности. Напротив, ZKP может решить проблему согласованной передачи данных только в зашифрованном состоянии. Сторона-получатель данных может только проверить, что данные, отправленные стороной, отправляющей данные, являются подлинными. Это схема передачи с шифрованием «точка-точка». ; при этом полностью гомоморфное шифрование не имеет ограничений. Субъект операции можно рассматривать как схему операции шифрования «многие ко многим».​

2) Как это работает: Традиционные компьютерные операции работают с обычными текстовыми данными. Если перед расчетом необходимо расшифровать зашифрованные данные, конфиденциальные данные неизбежно будут раскрыты. Гомоморфное шифрование создает специальную схему шифрования, которая может «гомоморфно» преобразовывать зашифрованный текст так, что результат операции остается тем же, что и исходный текст. В системе гомоморфного шифрования добавление открытого текста эквивалентно умножению зашифрованного текста (правило), поэтому, если вы хотите добавить данные открытого текста, вам нужно только умножить зашифрованный текст (эквивалентность).​

Короче говоря, гомоморфное шифрование использует специальные гомоморфные изменения, позволяющие работать с данными в состоянии зашифрованного текста и получать те же результаты, что и с открытым текстом. Требуется только обеспечить гомоморфные соответствующие характеристики правил операции.​

3) Сценарии применения. В традиционной сфере Интернета полностью гомоморфное шифрование FHE может применяться в широком спектре областей, таких как облачное хранилище, биометрия, здравоохранение, финансы, реклама и секвенирование генов. Возьмем, к примеру, биометрию. Личные отпечатки пальцев, радужная оболочка глаз, лицо и другие биометрические данные являются конфиденциальными данными. Используя технологию FHE, эти данные можно сравнивать и проверять в состоянии зашифрованного текста, аналогичным образом, фрагментация данных осуществляется уже много лет; область медицины и здравоохранения можно разделить с помощью FHE, что позволяет различным медицинским структурам выполнять совместный анализ и моделирование без обмена исходными данными.​

В области криптографии пространство приложений FHE также может включать в себя несколько сценариев, требующих конфиденциальности, таких как игры, управление голосованием DAO, защита MEV, транзакции конфиденциальности, соблюдение нормативных требований и т. д. Возьмем, к примеру, сцену игры: платформа выполняет расчеты для продвижения игры, не следя за картами в руках игроков, что делает игру более справедливой;

Если взять в качестве примера голосование DAO, киты могут участвовать в управлении голосованием, не раскрывая адрес и количество голосов, позволяя протоколу генерировать результаты голосования посредством вычислений, кроме того, пользователи могут передавать зашифрованные транзакции в Mempool, тем самым избегая целевых адресов и сумм перевода; и т. д. Частная информация раскрывается; в другом примере, в сценарии регулирования, правительство может контролировать пул капитала и продавать активы «черных адресов» в денежной системе, которая не проверяет частные данные юридических транзакций.​

4) Недостатки. Стоит отметить, что вычислительная среда, в которой компьютеры выполняют обычные операции с обычным текстом, часто более сложна. Помимо сложения, вычитания, умножения и деления, существуют также условные циклы, логические операции и т. д. , в то время как полугомоморфное шифрование и полностью гомоморфное шифрование в настоящее время могут быть быстро расширены только за счет сложения и умножения. Более сложные операции требуют комбинирования и суперпозиции, что увеличит потребность в вычислительной мощности.​

Таким образом, теоретически полностью гомоморфное шифрование может поддерживать любые вычисления, но из-за узких мест в производительности и характеристик алгоритма типы и сложность гомоморфных вычислений, которые могут быть эффективно выполнены, в настоящее время очень ограничены. Как правило, сложные операции требуют большого количества вычислительной мощности. Таким образом, процесс внедрения технологии полностью гомоморфного шифрования на самом деле представляет собой процесс разработки оптимизации алгоритма и оптимизации контроля затрат вычислительной мощности. Особое внимание следует уделять производительности после аппаратного ускорения и повышения вычислительной мощности.​

вот и все

По моему мнению, хотя полностью гомоморфное шифрование FHE сложно разработать и применить за короткое время, в качестве расширения и дополнения технологии ZKP оно может обеспечить конфиденциальность больших моделей ИИ, совместное моделирование данных ИИ, совместное обучение ИИ и криптоконфиденциальность. Интеграция обеспечивает хорошую помощь с точки зрения регулируемых транзакций и расширения сценариев Crypto.