FHE: Vestindo a capa de invisibilidade do Harry Potter
FHE (Criptografia Homomórfica Total) é uma tecnologia de criptografia avançada que permite a realização de cálculos diretamente sobre dados criptografados. Isso significa que é possível processar dados enquanto se protege a privacidade. FHE tem múltiplos cenários de aplicação em potencial, especialmente em áreas que exigem proteção de privacidade no processamento e análise de dados, como finanças, saúde, computação em nuvem, aprendizado de máquina, sistemas de votação, Internet das Coisas e proteção de privacidade em blockchain. No entanto, sua comercialização ainda levará tempo, com os principais desafios sendo os enormes custos computacionais e de memória trazidos pelos algoritmos, além da baixa escalabilidade. A seguir, apresentaremos brevemente os princípios básicos do algoritmo e discutiremos os problemas que esse algoritmo criptográfico enfrenta.
Princípios básicos
Para realizar cálculos sobre dados criptografados e obter os mesmos resultados, a FHE utiliza polinómios para ocultar as informações originais. Os polinómios podem ser convertidos em problemas de álgebra linear ou problemas de cálculo vetorial, facilitando cálculos altamente otimizados em computadores modernos, como o cálculo paralelo (.
Tomando o número digital criptográfico 2 como exemplo, no sistema HE simplificado, pode-se:
Selecione o polinômio chave s)x( = 3x^2 + 2x + 1
Gerar polinómio aleatório a)x( = 2x^2 + 5x + 3
Gerar um pequeno polinómio de "erro" e)x( = -x + 2
c)x( = 2 + a)x(*s)x( + e)x(
Isso é feito para proteger a confidencialidade de s)x(. Desde que se saiba s)x( e se ignore os pequenos erros em c)x(, é possível obter o texto em claro m.
Ao escolher um polinómio, é necessário considerar:
O grau de um polinômio é geralmente uma potência de 2, como 1024/2048
O coeficiente é escolhido aleatoriamente do domínio finito q, como mod 10000
Diferentes planos têm diferentes requisitos de seleção de coeficientes
A introdução de ruído e)x( é para confundir os atacantes, impedindo que a relação entre s)x( e c)x( seja inferida através da repetição da entrada do texto claro m. O orçamento de ruído )Noise Budget( é um parâmetro importante que determina o número de cálculos que podem ser realizados.
Para representar operações como c)x( * d)x(, é necessário convertê-las em "circuito". O modelo de circuito pode rastrear e gerenciar com precisão o ruído introduzido por cada operação, facilitando também a posterior aceleração de cálculos em hardware dedicado como ASIC e FPGA. Os circuitos podem ser divididos em circuitos aritméticos e circuitos booleanos.
O ruído é a principal razão que limita a expressão de qualquer cálculo pelo algoritmo HE. Para resolver esse problema, foram propostas várias soluções:
LHE: Adequado para executar qualquer função dentro de uma profundidade determinada
Mudança de chave: comprimir o texto cifrado, mas irá introduzir um pequeno ruído
Modulus Switching: reduzir o ruído diminuindo o módulo q
Bootstrap: reiniciar o ruído para o nível original, mantendo a capacidade de cálculo do sistema
Atualmente, as principais soluções de FHE utilizam a tecnologia Bootstrap, incluindo BGV, BFV, CKKS, TFHE, entre outras.
![Gate Ventures Research Institute: FHE, vestindo a capa de invisibilidade do Harry Potter])https://img-cdn.gateio.im/webp-social/moments-4a7670767b0963cded31da66c52ad97e.webp(
Problemas enfrentados pelo FHE
O principal desafio do FHE reside no seu enorme custo computacional. Tomando como exemplo a decriptação AES-128, o tempo de cálculo da versão FHE é cerca de 500 milhões de vezes maior do que a versão normal.
Para enfrentar esse desafio, a DARPA lançou o programa Dprive em 2021, com o objetivo de aumentar a velocidade de computação FHE para 1/10 da computação normal. O programa aborda a questão a partir dos seguintes aspectos:
Aumentar o comprimento da palavra do processador para 1024 bits ou mais
Construir processadores ASIC especializados
Construir a arquitetura paralela MIMD
Apesar do progresso lento, a tecnologia FHE ainda possui um significado único, especialmente no tratamento de dados sensíveis. É particularmente adequada para dados críticos e sensíveis nas áreas de defesa, saúde e finanças, tornando-se ainda mais importante na era pós-quântica.
![Gate Ventures Research Institute: FHE, vestindo a capa de invisibilidade do Harry Potter])https://img-cdn.gateio.im/webp-social/moments-186e4abe7434e22b3daf0389cf199699.webp(
A combinação da blockchain
Na blockchain, o FHE é principalmente utilizado para proteger a privacidade dos dados, com áreas de aplicação que incluem privacidade em cadeia, privacidade de dados de treinamento de IA, privacidade de votação em cadeia, revisão de transações privadas em cadeia, entre outros. O FHE também é visto como uma das soluções potenciais de MEV em cadeia.
No entanto, as transações completamente criptografadas também podem trazer alguns problemas, como a desaparecimento da externalidade positiva causada pelos bots MEV, os validadores e os construtores precisam operar em um ambiente FHE, o que aumenta significativamente os requisitos de operação dos nós e reduz a taxa de transferência da rede.
![Gate Ventures Research Institute: FHE, vestindo a capa de invisibilidade de Harry Potter])https://img-cdn.gateio.im/webp-social/moments-673ae606fcd3769523e1a330f991464d.webp(
Principais Projetos
Atualmente, a maioria dos projetos FHE utiliza tecnologia da Zama, como Fhenix, Privasea, Inco Network, Mind Network, entre outros. A principal diferença entre esses projetos está no modelo de negócios:
Fhenix: Construindo uma camada 2 de Optimism com foco na privacidade
Privasea: Utilizando FHE para operações de dados LLM
Inco Network: Construir Layer 1
Arcium: integração de FHE, MPC e ZK
Mind Network: escolha a pista de Restaking
![Gate Ventures Research Institute: FHE, vestindo a capa de invisibilidade do Harry Potter])https://img-cdn.gateio.im/webp-social/moments-22d66cabb8f0a526bb728b7b4ced159b.webp(
) Zama
Zama é baseado no esquema TFHE, utilizando a tecnologia Bootstrap, adequado para processar operações booleanas e operações inteiras de baixo comprimento. Seu trabalho principal inclui:
Reescrever TFHE em Rust
Desenvolver a ferramenta Concrate, convertendo Python em código equivalente rs-TFHE
Desenvolver fhEVM, suportar contratos inteligentes criptografados de ponta a ponta baseados em Solidity.
Zama, como produto To B, construiu uma pilha de desenvolvimento baseada em TFHE de blockchain + AI bastante completa.
![Gate Ventures Research Institute: FHE, vestindo a capa de invisibilidade de Harry Potter]###https://img-cdn.gateio.im/webp-social/moments-d745afb65d7c110a6e6333a6d73b60b5.webp(
) Octra
A Octra usa a tecnologia de hipergrafos para implementar o bootstrap, acreditando que isso pode alcançar uma FHE mais eficiente. Suas características incluem:
Construir uma nova linguagem de contratos inteligentes
Desenvolver a biblioteca Hyperghraph FHE
Construir a arquitetura da mainnet e subredes
Desenvolver um protocolo de consenso ML-consensus baseado em aprendizagem automática
A tecnologia FHE ainda está em um estágio inicial, com desenvolvimento inferior ao da tecnologia ZK. Os principais desafios incluem altos custos, dificuldade de engenharia e perspectivas de comercialização incertas. Com mais fundos e atenção direcionados, espera-se que mais projetos FHE surjam.
A implementação de chips FHE é uma condição importante para a comercialização; atualmente, várias empresas, como Intel, Chain Reaction, Optalysys, entre outras, estão explorando este campo.
Embora enfrente resistência técnica, a FHE, como uma tecnologia promissora e com demanda clara, pode trazer profundas transformações para setores como defesa, finanças e saúde. Com a implementação dos chips FHE, liberando o potencial de dados privados e a combinação com futuras tecnologias de algoritmos quânticos, a FHE está prestes a viver um momento de explosão.
![Gate Ventures Research Institute: FHE, vestindo a capa de invisibilidade do Harry Potter])https://img-cdn.gateio.im/webp-social/moments-74c86e1ff0ef22f5aef9b5cc441d60eb.webp(
![Gate Ventures Research Institute: FHE, vestindo a capa de invisibilidade do Harry Potter])https://img-cdn.gateio.im/webp-social/moments-93dd078bf652201018797c88a14203f9.webp(
![Gate Ventures Research Institute: FHE, vestindo a capa de invisibilidade do Harry Potter])https://img-cdn.gateio.im/webp-social/moments-ed3a576f24107d796df96ed44068e43f.webp(
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
13 Curtidas
Recompensa
13
4
Repostar
Compartilhar
Comentário
0/400
ThatsNotARugPull
· 11h atrás
Quando será lançado o manto de invisibilidade?
Ver originalResponder0
FudVaccinator
· 08-12 19:38
Você está certo sobre a homomorfia total.
Ver originalResponder0
AirdropHunter
· 08-12 19:23
A roupa invisível pode eu quero tirar vantagem dos dados privados.
Análise da tecnologia FHE: como a encriptação totalmente homomórfica traz uma revolução em computação privada para o Web3
FHE: Vestindo a capa de invisibilidade do Harry Potter
FHE (Criptografia Homomórfica Total) é uma tecnologia de criptografia avançada que permite a realização de cálculos diretamente sobre dados criptografados. Isso significa que é possível processar dados enquanto se protege a privacidade. FHE tem múltiplos cenários de aplicação em potencial, especialmente em áreas que exigem proteção de privacidade no processamento e análise de dados, como finanças, saúde, computação em nuvem, aprendizado de máquina, sistemas de votação, Internet das Coisas e proteção de privacidade em blockchain. No entanto, sua comercialização ainda levará tempo, com os principais desafios sendo os enormes custos computacionais e de memória trazidos pelos algoritmos, além da baixa escalabilidade. A seguir, apresentaremos brevemente os princípios básicos do algoritmo e discutiremos os problemas que esse algoritmo criptográfico enfrenta.
Princípios básicos
Para realizar cálculos sobre dados criptografados e obter os mesmos resultados, a FHE utiliza polinómios para ocultar as informações originais. Os polinómios podem ser convertidos em problemas de álgebra linear ou problemas de cálculo vetorial, facilitando cálculos altamente otimizados em computadores modernos, como o cálculo paralelo (.
Tomando o número digital criptográfico 2 como exemplo, no sistema HE simplificado, pode-se:
Isso é feito para proteger a confidencialidade de s)x(. Desde que se saiba s)x( e se ignore os pequenos erros em c)x(, é possível obter o texto em claro m.
Ao escolher um polinómio, é necessário considerar:
A introdução de ruído e)x( é para confundir os atacantes, impedindo que a relação entre s)x( e c)x( seja inferida através da repetição da entrada do texto claro m. O orçamento de ruído )Noise Budget( é um parâmetro importante que determina o número de cálculos que podem ser realizados.
Para representar operações como c)x( * d)x(, é necessário convertê-las em "circuito". O modelo de circuito pode rastrear e gerenciar com precisão o ruído introduzido por cada operação, facilitando também a posterior aceleração de cálculos em hardware dedicado como ASIC e FPGA. Os circuitos podem ser divididos em circuitos aritméticos e circuitos booleanos.
O ruído é a principal razão que limita a expressão de qualquer cálculo pelo algoritmo HE. Para resolver esse problema, foram propostas várias soluções:
Atualmente, as principais soluções de FHE utilizam a tecnologia Bootstrap, incluindo BGV, BFV, CKKS, TFHE, entre outras.
![Gate Ventures Research Institute: FHE, vestindo a capa de invisibilidade do Harry Potter])https://img-cdn.gateio.im/webp-social/moments-4a7670767b0963cded31da66c52ad97e.webp(
Problemas enfrentados pelo FHE
O principal desafio do FHE reside no seu enorme custo computacional. Tomando como exemplo a decriptação AES-128, o tempo de cálculo da versão FHE é cerca de 500 milhões de vezes maior do que a versão normal.
Para enfrentar esse desafio, a DARPA lançou o programa Dprive em 2021, com o objetivo de aumentar a velocidade de computação FHE para 1/10 da computação normal. O programa aborda a questão a partir dos seguintes aspectos:
Apesar do progresso lento, a tecnologia FHE ainda possui um significado único, especialmente no tratamento de dados sensíveis. É particularmente adequada para dados críticos e sensíveis nas áreas de defesa, saúde e finanças, tornando-se ainda mais importante na era pós-quântica.
![Gate Ventures Research Institute: FHE, vestindo a capa de invisibilidade do Harry Potter])https://img-cdn.gateio.im/webp-social/moments-186e4abe7434e22b3daf0389cf199699.webp(
A combinação da blockchain
Na blockchain, o FHE é principalmente utilizado para proteger a privacidade dos dados, com áreas de aplicação que incluem privacidade em cadeia, privacidade de dados de treinamento de IA, privacidade de votação em cadeia, revisão de transações privadas em cadeia, entre outros. O FHE também é visto como uma das soluções potenciais de MEV em cadeia.
No entanto, as transações completamente criptografadas também podem trazer alguns problemas, como a desaparecimento da externalidade positiva causada pelos bots MEV, os validadores e os construtores precisam operar em um ambiente FHE, o que aumenta significativamente os requisitos de operação dos nós e reduz a taxa de transferência da rede.
![Gate Ventures Research Institute: FHE, vestindo a capa de invisibilidade de Harry Potter])https://img-cdn.gateio.im/webp-social/moments-673ae606fcd3769523e1a330f991464d.webp(
Principais Projetos
Atualmente, a maioria dos projetos FHE utiliza tecnologia da Zama, como Fhenix, Privasea, Inco Network, Mind Network, entre outros. A principal diferença entre esses projetos está no modelo de negócios:
![Gate Ventures Research Institute: FHE, vestindo a capa de invisibilidade do Harry Potter])https://img-cdn.gateio.im/webp-social/moments-22d66cabb8f0a526bb728b7b4ced159b.webp(
) Zama
Zama é baseado no esquema TFHE, utilizando a tecnologia Bootstrap, adequado para processar operações booleanas e operações inteiras de baixo comprimento. Seu trabalho principal inclui:
Zama, como produto To B, construiu uma pilha de desenvolvimento baseada em TFHE de blockchain + AI bastante completa.
![Gate Ventures Research Institute: FHE, vestindo a capa de invisibilidade de Harry Potter]###https://img-cdn.gateio.im/webp-social/moments-d745afb65d7c110a6e6333a6d73b60b5.webp(
) Octra
A Octra usa a tecnologia de hipergrafos para implementar o bootstrap, acreditando que isso pode alcançar uma FHE mais eficiente. Suas características incluem:
![Gate Ventures研究院：FHE，披上哈利波特的隐身衣]###https://img-cdn.gateio.im/webp-social/moments-99ea73218c9e569a2de152d8a37338f4.webp(
Expectativa
A tecnologia FHE ainda está em um estágio inicial, com desenvolvimento inferior ao da tecnologia ZK. Os principais desafios incluem altos custos, dificuldade de engenharia e perspectivas de comercialização incertas. Com mais fundos e atenção direcionados, espera-se que mais projetos FHE surjam.
A implementação de chips FHE é uma condição importante para a comercialização; atualmente, várias empresas, como Intel, Chain Reaction, Optalysys, entre outras, estão explorando este campo.
Embora enfrente resistência técnica, a FHE, como uma tecnologia promissora e com demanda clara, pode trazer profundas transformações para setores como defesa, finanças e saúde. Com a implementação dos chips FHE, liberando o potencial de dados privados e a combinação com futuras tecnologias de algoritmos quânticos, a FHE está prestes a viver um momento de explosão.
![Gate Ventures Research Institute: FHE, vestindo a capa de invisibilidade do Harry Potter])https://img-cdn.gateio.im/webp-social/moments-74c86e1ff0ef22f5aef9b5cc441d60eb.webp(
![Gate Ventures Research Institute: FHE, vestindo a capa de invisibilidade do Harry Potter])https://img-cdn.gateio.im/webp-social/moments-93dd078bf652201018797c88a14203f9.webp(
![Gate Ventures Research Institute: FHE, vestindo a capa de invisibilidade do Harry Potter])https://img-cdn.gateio.im/webp-social/moments-ed3a576f24107d796df96ed44068e43f.webp(