Phân tích ngắn gọn về mã hóa đồng cấu hoàn toàn FHE: nguyên tắc kỹ thuật, kịch bản ứng dụng và các dự án liên quan
Tác giả gốc: Hạo Thiên
Bài viết của Vitaliks về FHE (Mã hóa hoàn toàn đồng hình) đã từng xuất bảnain đã truyền cảm hứng cho mọi người khám phá và tưởng tượng về các công nghệ mã hóa mới. Theo tôi, FHE thực sự là một bước tiến cao hơn công nghệ ZKP về mặt trí tưởng tượng và có thể giúp AI+Crypto được triển khai trong nhiều tình huống ứng dụng hơn. Chúng ta nên hiểu điều này như thế nào?
1) Định nghĩa: Mã hóa đồng hình hoàn toàn FHE có thể thực hiện hoạt động của dữ liệu được mã hóa ở dạng cụ thể mà không lo bị lộ dữ liệu và quyền riêng tư. Ngược lại, ZKP chỉ có thể giải quyết vấn đề truyền dữ liệu nhất quán ở trạng thái được mã hóa. Bên nhận dữ liệu chỉ có thể xác minh rằng dữ liệu do bên dữ liệu gửi là xác thực. Đó là sơ đồ truyền mã hóa điểm-điểm; trong khi mã hóa đồng cấu hoàn toàn không giới hạn phạm vi đối tượng của hoạt động, do đó nó có thể được coi là sơ đồ hoạt động mã hóa nhiều-nhiều.
2) Cách thức hoạt động: Các thao tác máy tính truyền thống được thực hiện trên dữ liệu văn bản gốc. Nếu dữ liệu được mã hóa thì cần phải giải mã trước khi tính toán, điều này chắc chắn sẽ làm lộ dữ liệu riêng tư. Mã hóa đồng cấu xây dựng một sơ đồ mã hóa đặc biệt có thể thực hiện các phép biến đổi đồng cấu trên bản mã sao cho kết quả của thao tác vẫn giống như thao tác trên bản rõ. Trong hệ thống mã hóa đồng cấu, việc cộng bản rõ tương đương với phép nhân bản mã (một quy tắc), vì vậy nếu muốn cộng dữ liệu bản rõ, bạn chỉ cần nhân bản mã (tương đương).
Nói tóm lại, mã hóa đồng cấu sử dụng những thay đổi đồng cấu đặc biệt để làm cho dữ liệu ở trạng thái bản mã tạo ra kết quả giống như bản rõ. Nó chỉ yêu cầu đảm bảo các đặc tính tương ứng đồng cấu của các quy tắc hoạt động.
3) Kịch bản ứng dụng: Trong lĩnh vực Internet truyền thống, mã hóa đồng hình hoàn toàn FHE có thể được áp dụng cho nhiều lĩnh vực như lưu trữ đám mây, sinh trắc học, chăm sóc sức khỏe, tài chính, quảng cáo, giải trình tự gen, v.v. Lấy sinh trắc học làm ví dụ, dấu vân tay cá nhân , mống mắt, khuôn mặt và dữ liệu sinh trắc học khác đều là dữ liệu nhạy cảm. Việc sử dụng công nghệ FHE có thể đạt được sự so sánh và xác minh những dữ liệu này ở trạng thái bản mã của máy chủ; tương tự, sự phân mảnh dữ liệu trong lĩnh vực chăm sóc sức khỏe trong nhiều năm có thể bị FHE phá vỡ, cho phép các cơ cấu y tế khác nhau tiến hành phân tích và lập mô hình chung mà không chia sẻ dữ liệu gốc.
Trong lĩnh vực Tiền điện tử, không gian ứng dụng FHE cũng có thể bao gồm nhiều tình huống yêu cầu quyền riêng tư, chẳng hạn như trò chơi, quản trị biểu quyết DAO, bảo vệ MEV, giao dịch quyền riêng tư, tuân thủ quy định, v.v. Lấy kịch bản trò chơi làm ví dụ: nền tảng thực hiện các phép tính để quảng bá trò chơi mà không theo dõi quân bài trên tay người chơi, giúp trò chơi trở nên công bằng hơn;
Lấy biểu quyết DAO làm ví dụ, cá voi có thể tham gia quản trị biểu quyết mà không để lộ địa chỉ cũng như số phiếu bầu, đồng thời giao thức có thể tạo ra kết quả biểu quyết thông qua tính toán. Ngoài ra, người dùng có thể chuyển các giao dịch được mã hóa tới Mempool để tránh bị lộ thông tin cá nhân như địa chỉ mục tiêu và số tiền chuyển. Trong một ví dụ khác, trong một kịch bản quy định, chính phủ có thể giám sát nguồn tài trợ và loại bỏ tài sản của các địa chỉ liên quan đến người da đen mà không cần kiểm tra dữ liệu quyền riêng tư của các giao dịch hợp pháp.
4) Nhược điểm: Điều đáng chú ý là môi trường điện toán trong đó máy tính thực hiện các thao tác thông thường ở dạng văn bản thuần túy thường phức tạp hơn. Ngoài phép cộng, phép trừ, phép nhân và phép chia, còn có các vòng lặp có điều kiện, phán đoán cổng logic, v.v., trong khi mã hóa bán đồng cấu và mã hóa đồng cấu hoàn toàn chỉ có thể được thực hiện nhanh chóng khi cộng và nhân. Các hoạt động phức tạp hơn đòi hỏi sự kết hợp và chồng chất, điều này sẽ làm tăng nhu cầu sức mạnh tính toán tương ứng.
Do đó, về mặt lý thuyết, mã hóa đồng cấu hoàn toàn có thể hỗ trợ bất kỳ phép tính nào, nhưng do tắc nghẽn hiệu suất và đặc điểm thuật toán, loại và độ phức tạp của các phép tính đồng cấu có thể được thực hiện một cách hiệu quả là rất hạn chế. Nói chung, các phép tính phức tạp sẽ đòi hỏi một lượng lớn sức mạnh tính toán. Vì vậy, quy trình thực hiện kỹ thuật mã hóa đồng cấu hoàn toàn thực chất là một phát triển quá trình tối ưu hóa thuật toán và tối ưu hóa kiểm soát chi phí điện năng tính toán, đặc biệt tập trung vào hiệu suất sau khi tăng tốc phần cứng và nâng cao sức mạnh tính toán.
bên trên
Theo tôi, mặc dù mã hóa đồng hình hoàn toàn FHE khó hoàn thiện và áp dụng trong thời gian ngắn, nhưng với tư cách là một phần mở rộng và bổ sung của công nghệ ZKP, nó có thể cung cấp giá trị hỗ trợ tuyệt vời cho điện toán bảo mật mô hình lớn AI, mô hình hóa chung dữ liệu AI, Đào tạo hợp tác AI, giao dịch tuân thủ quyền riêng tư về tiền điện tử và mở rộng kịch bản tiền điện tử.
Bài viết này được lấy từ internet: Phân tích ngắn gọn về mã hóa đồng cấu hoàn toàn FHE: nguyên tắc kỹ thuật, kịch bản ứng dụng và các dự án liên quan
Liên quan: Dự đoán giá Fantom (FTM): Mô hình tăng giá này có thể ngăn chặn sự sụt giảm 31% không?
Tóm lại, giá Fantom đang thiết lập mô hình Đường cong Parabolic cho thấy khả năng điều chỉnh 31% có thể xảy ra. Mối tương quan tích cực của altcoin với Bitcoin cho thấy FTM sắp suy giảm. Tiền gửi đang hoạt động cũng ở mức cao nhất trong nhiều tháng cho thấy động lực bán đang cao. Giá Fantom (FTM) đang trong quá trình hình thành mô hình tăng giá nhưng mặc dù có sự phục hồi nhưng nó đang quan sát các tín hiệu giảm giá. Liệu altcoin này có thể chống lại tâm lý này và tiếp tục với mức tăng 102% tiềm năng hay nó sẽ sớm phải đối mặt với sự điều chỉnh 31%? Tín hiệu giảm giá trên thị trường tiền điện tử ảnh hưởng nặng nề đến giá Fantom Giá Fantom đã duy trì sự hiện diện trên mốc $1 kể từ đầu tuần này. Xem xét diễn biến lịch sử, có vẻ như altcoin này có thể sẽ tiếp tục đợt tăng giá này, nhưng rộng hơn…