Потенциал и вызовы технологии Гомоморфное шифрование FHE
По состоянию на 13 октября, данные с одной платформы показывают статистику по основным шифрованиям:
Обсуждение биткойна на прошлой неделе составило 12,52K раз, снизившись на 0,98% по сравнению с предыдущей неделей. Закрытие в воскресенье составило 63916 долларов, увеличившись на 1,62% по сравнению с предыдущей неделей.
Обсуждение Ethereum на прошлой неделе составило 3,63K раз, что на 3,45% больше по сравнению с предыдущей неделей. Цена закрытия в воскресенье составила 2530 долларов, что на 4% меньше по сравнению с предыдущей неделей.
Обсуждения TON на прошлой неделе составили 782 раза, что на 12.63% меньше по сравнению с предыдущей неделей. Цена закрытия в воскресенье составила 5.26 долларов, что на 0.25% ниже по сравнению с предыдущей неделей.
Гомоморфное шифрование(FHE) как новая звезда в области шифрования, его основное преимущество заключается в возможности выполнять операции над зашифрованными данными без необходимости их расшифровки. Эта особенность открывает широкие перспективы применения в области защиты конфиденциальности и обработки данных, охватывающей такие сферы, как финансы, здравоохранение, облачные вычисления, машинное обучение, системы голосования, Интернет вещей и блокчейн. Тем не менее, несмотря на огромный потенциал FHE, его коммерциализация сталкивается с множеством вызовов.
Применение и преимущества Гомоморфного шифрования
Основная особенность FHE заключается в его мощных возможностях защиты конфиденциальности. Например, когда одной компании необходимо использовать вычислительные ресурсы другой компании для анализа данных, но она не хочет раскрывать содержание данных, FHE может сыграть свою роль. Владелец данных может передать зашифрованные данные вычислительной стороне для обработки, при этом результаты вычислений остаются зашифрованными, и владелец данных сможет получить результаты анализа после расшифровки. Этот механизм как защищает конфиденциальность данных, так и выполняет необходимые вычислительные задачи.
Для таких отраслей, как финансы и здравоохранение, где данные являются чувствительными, механизм защиты конфиденциальности FHE особенно важен. С развитием облачных вычислений и искусственного интеллекта безопасность данных становится все более актуальной. FHE в этих сценариях может обеспечить безопасные многопользовательские вычисления, позволяя сторонам сотрудничать без раскрытия конфиденциальной информации. В технологии блокчейн FHE повышает прозрачность и безопасность обработки данных, предоставляя функции защиты конфиденциальности на цепочке и проверки конфиденциальных транзакций.
Сравнение FHE и других технологий защиты конфиденциальности
В области Web3 FHE, нулевые знания (ZK), многопартийные вычисления (MPC) и доверенная среда выполнения (TEE) считаются основными методами защиты конфиденциальности. В отличие от ZK, FHE может выполнять различные операции с зашифрованными данными без необходимости предварительной их расшифровки. MPC позволяет сторонам проводить вычисления в зашифрованном состоянии данных, не раскрывая конфиденциальную информацию. TEE же предлагает вычисления в безопасной среде, но имеет относительно ограниченную гибкость в обработке данных.
Несмотря на то, что у этих технологий есть свои преимущества, Гомоморфное шифрование особенно выделяется в поддержке сложных вычислительных задач. Однако, в реальных приложениях Гомоморфное шифрование по-прежнему сталкивается с высокими вычислительными затратами и плохой масштабируемостью, что ограничивает его производительность в режиме реального времени.
Проблемы, с которыми сталкивается FHE
Несмотря на то, что теоретическая основа FHE мощная, на этапе коммерциализации возникли практические трудности:
Большие вычислительные затраты: Гомоморфное шифрование требует значительных вычислительных ресурсов, и его затраты значительно увеличиваются по сравнению с нешифрованными вычислениями. Для операций с многочленами высокой степени время обработки возрастает полиномиально, что затрудняет удовлетворение требований к вычислениям в реальном времени. Снижение затрат требует использования специализированного аппаратного ускорения, но это увеличивает сложность развертывания.
Ограниченные операционные возможности: хотя Гомоморфное шифрование может выполнять сложение и умножение зашифрованных данных, поддержка сложных нелинейных операций ограничена, что создает узкое место для AI-приложений, таких как глубокие нейронные сети. В настоящее время схемы Гомоморфного шифрования в основном подходят для линейных и простых многочленных вычислений, применение нелинейных моделей значительно ограничено.
Поддержка нескольких пользователей: Гомоморфное шифрование (FHE) хорошо работает в сценариях с одним пользователем, но при работе с многопользовательскими наборами данных сложность системы резко возрастает. Многоключевая структура FHE позволяет выполнять операции с зашифрованными наборами данных, использующими разные ключи, но управление ключами и сложность архитектуры системы значительно увеличиваются.
Гомоморфное шифрование и искусственный интеллект
В эпоху, управляемую данными, ИИ широко применяется в различных областях, но опасения по поводу конфиденциальности данных часто заставляют пользователей не желать делиться чувствительной информацией. Гомоморфное шифрование предоставляет ИИ решение для защиты конфиденциальности. В сценариях облачных вычислений Гомоморфное шифрование позволяет обрабатывать данные пользователей в зашифрованном состоянии, обеспечивая конфиденциальность.
Это преимущество особенно важно в условиях требований таких регламентов, как GDPR, поскольку эти регламенты требуют, чтобы пользователи имели право знать, как обрабатываются их данные, и обеспечивают защиту данных в процессе передачи. Конечное шифрование FHE обеспечивает соблюдение норм и безопасность данных.
Применение Гомоморфного шифрования в блокчейне
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 технологии FHE для продвижения реализации защиты конфиденциальности:
Технология, разработанная некоторыми поставщиками решений для Гомоморфного шифрования, широко используется в нескольких проектах защиты конфиденциальности.
Есть проекты, основанные на технологии TFHE, сосредоточенные на булевых операциях и операциях с низкодлиными целыми числами, а также строящие стек разработки FHE для приложений на базе блокчейна и ИИ.
Некоторые проекты разработали новые языки смарт-контрактов и библиотеки FHE, подходящие для блокчейн-сетей.
Также проекты используют Гомоморфное шифрование для реализации защиты конфиденциальности в вычислительных сетях ИИ, поддерживают различные модели ИИ.
Некоторые проекты объединяют Гомоморфное шифрование и искусственный интеллект, предлагая децентрализованную и защищенную конфиденциальность среду для ИИ.
В качестве решения Layer 2 для Ethereum проект поддерживает FHE Rollups и FHE Coprocessors, совместим с EVM и поддерживает смарт-контракты, написанные на Solidity.
Заключение
FHE как передовая технология, позволяющая выполнять вычисления на зашифрованных данных, обладает значительными преимуществами в области защиты конфиденциальности данных. Несмотря на то, что текущие коммерческие приложения FHE сталкиваются с проблемами высокой вычислительной нагрузки и низкой масштабируемости, эти проблемы могут быть постепенно решены с помощью аппаратного ускорения и оптимизации алгоритмов. С развитием технологии 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, обеспечивая революционный прорыв в области безопасности данных.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
7 Лайков
Награда
7
5
Репост
Поделиться
комментарий
0/400
ChainComedian
· 12ч назад
Ваш круг начал шифрование?
Посмотреть ОригиналОтветить0
MidnightSeller
· 08-14 02:03
Почему я все еще теряю деньги, хотя btc рост?
Посмотреть ОригиналОтветить0
GateUser-3824aa38
· 08-14 02:02
Никто не может защититься от человеческой природы, ха.
Посмотреть ОригиналОтветить0
SignatureCollector
· 08-14 01:58
Опять новая игрушка с алгоритмом
Посмотреть ОригиналОтветить0
RunWhenCut
· 08-14 01:49
FHE? Какова польза для розничного инвестора, все равно лучше смотреть на цену токена.
FHE технология: будущее звезда и вызовы защиты конфиденциальности в Блокчейн
Потенциал и вызовы технологии Гомоморфное шифрование FHE
По состоянию на 13 октября, данные с одной платформы показывают статистику по основным шифрованиям:
Обсуждение биткойна на прошлой неделе составило 12,52K раз, снизившись на 0,98% по сравнению с предыдущей неделей. Закрытие в воскресенье составило 63916 долларов, увеличившись на 1,62% по сравнению с предыдущей неделей.
Обсуждение Ethereum на прошлой неделе составило 3,63K раз, что на 3,45% больше по сравнению с предыдущей неделей. Цена закрытия в воскресенье составила 2530 долларов, что на 4% меньше по сравнению с предыдущей неделей.
Обсуждения TON на прошлой неделе составили 782 раза, что на 12.63% меньше по сравнению с предыдущей неделей. Цена закрытия в воскресенье составила 5.26 долларов, что на 0.25% ниже по сравнению с предыдущей неделей.
Гомоморфное шифрование(FHE) как новая звезда в области шифрования, его основное преимущество заключается в возможности выполнять операции над зашифрованными данными без необходимости их расшифровки. Эта особенность открывает широкие перспективы применения в области защиты конфиденциальности и обработки данных, охватывающей такие сферы, как финансы, здравоохранение, облачные вычисления, машинное обучение, системы голосования, Интернет вещей и блокчейн. Тем не менее, несмотря на огромный потенциал FHE, его коммерциализация сталкивается с множеством вызовов.
Применение и преимущества Гомоморфного шифрования
Основная особенность FHE заключается в его мощных возможностях защиты конфиденциальности. Например, когда одной компании необходимо использовать вычислительные ресурсы другой компании для анализа данных, но она не хочет раскрывать содержание данных, FHE может сыграть свою роль. Владелец данных может передать зашифрованные данные вычислительной стороне для обработки, при этом результаты вычислений остаются зашифрованными, и владелец данных сможет получить результаты анализа после расшифровки. Этот механизм как защищает конфиденциальность данных, так и выполняет необходимые вычислительные задачи.
Для таких отраслей, как финансы и здравоохранение, где данные являются чувствительными, механизм защиты конфиденциальности FHE особенно важен. С развитием облачных вычислений и искусственного интеллекта безопасность данных становится все более актуальной. FHE в этих сценариях может обеспечить безопасные многопользовательские вычисления, позволяя сторонам сотрудничать без раскрытия конфиденциальной информации. В технологии блокчейн FHE повышает прозрачность и безопасность обработки данных, предоставляя функции защиты конфиденциальности на цепочке и проверки конфиденциальных транзакций.
Сравнение FHE и других технологий защиты конфиденциальности
В области Web3 FHE, нулевые знания (ZK), многопартийные вычисления (MPC) и доверенная среда выполнения (TEE) считаются основными методами защиты конфиденциальности. В отличие от ZK, FHE может выполнять различные операции с зашифрованными данными без необходимости предварительной их расшифровки. MPC позволяет сторонам проводить вычисления в зашифрованном состоянии данных, не раскрывая конфиденциальную информацию. TEE же предлагает вычисления в безопасной среде, но имеет относительно ограниченную гибкость в обработке данных.
Несмотря на то, что у этих технологий есть свои преимущества, Гомоморфное шифрование особенно выделяется в поддержке сложных вычислительных задач. Однако, в реальных приложениях Гомоморфное шифрование по-прежнему сталкивается с высокими вычислительными затратами и плохой масштабируемостью, что ограничивает его производительность в режиме реального времени.
Проблемы, с которыми сталкивается FHE
Несмотря на то, что теоретическая основа FHE мощная, на этапе коммерциализации возникли практические трудности:
Большие вычислительные затраты: Гомоморфное шифрование требует значительных вычислительных ресурсов, и его затраты значительно увеличиваются по сравнению с нешифрованными вычислениями. Для операций с многочленами высокой степени время обработки возрастает полиномиально, что затрудняет удовлетворение требований к вычислениям в реальном времени. Снижение затрат требует использования специализированного аппаратного ускорения, но это увеличивает сложность развертывания.
Ограниченные операционные возможности: хотя Гомоморфное шифрование может выполнять сложение и умножение зашифрованных данных, поддержка сложных нелинейных операций ограничена, что создает узкое место для AI-приложений, таких как глубокие нейронные сети. В настоящее время схемы Гомоморфного шифрования в основном подходят для линейных и простых многочленных вычислений, применение нелинейных моделей значительно ограничено.
Поддержка нескольких пользователей: Гомоморфное шифрование (FHE) хорошо работает в сценариях с одним пользователем, но при работе с многопользовательскими наборами данных сложность системы резко возрастает. Многоключевая структура FHE позволяет выполнять операции с зашифрованными наборами данных, использующими разные ключи, но управление ключами и сложность архитектуры системы значительно увеличиваются.
Гомоморфное шифрование и искусственный интеллект
В эпоху, управляемую данными, ИИ широко применяется в различных областях, но опасения по поводу конфиденциальности данных часто заставляют пользователей не желать делиться чувствительной информацией. Гомоморфное шифрование предоставляет ИИ решение для защиты конфиденциальности. В сценариях облачных вычислений Гомоморфное шифрование позволяет обрабатывать данные пользователей в зашифрованном состоянии, обеспечивая конфиденциальность.
Это преимущество особенно важно в условиях требований таких регламентов, как GDPR, поскольку эти регламенты требуют, чтобы пользователи имели право знать, как обрабатываются их данные, и обеспечивают защиту данных в процессе передачи. Конечное шифрование FHE обеспечивает соблюдение норм и безопасность данных.
Применение Гомоморфного шифрования в блокчейне
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 технологии FHE для продвижения реализации защиты конфиденциальности:
Заключение
FHE как передовая технология, позволяющая выполнять вычисления на зашифрованных данных, обладает значительными преимуществами в области защиты конфиденциальности данных. Несмотря на то, что текущие коммерческие приложения FHE сталкиваются с проблемами высокой вычислительной нагрузки и низкой масштабируемости, эти проблемы могут быть постепенно решены с помощью аппаратного ускорения и оптимизации алгоритмов. С развитием технологии 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, обеспечивая революционный прорыв в области безопасности данных.