Diincar VC, Berikut Proyek yang Patut Diperhatikan di Ekosistem FHE

Penulis asli: Poopman

Terjemahan asli: Joyce, BlockBeats
Catatan Editor:

FHE menjadi topik teknis yang hangat di komunitas kripto akhir-akhir ini.

Dua minggu lalu, Ethereum Layer 2 Fhenix mengumumkan penyelesaian pendanaan Seri A senilai $15 juta yang dipimpin oleh Hack VC. Sejak tahun lalu, Fhenix telah menerima pendanaan tahap awal yang dipimpin oleh Multicoin. Fhenix adalah Ethereum L2 yang didukung oleh FHE Rollups dan FHE Coprocessors, yang dapat menjalankan kontrak pintar berbasis FHE dengan komputasi rahasia on-chain. Kemarin, Sam Williams, pendiri Arweave, yang sedang menjalani pembaruan besar, juga memposting di media sosial bahwa fungsi penggunaan FHE untuk komputasi privat dalam proses AO akan segera diluncurkan.

Ada banyak proyek ekologi FHE. Artikel panjang ini oleh KOL komunitas Poopman memberikan tinjauan dasar tentang konsep FHE dan proyek ekologi, dan mengusulkan tantangan teknis dan solusi yang mungkin dihadapi oleh FHE. BlockBeats menyusunnya sebagai berikut:

FHE membuka kemungkinan komputasi pada data terenkripsi tanpa mendekripsinya. Bila dikombinasikan dengan blockchain, MPC, ZKP (skalabilitas), FHE menyediakan kerahasiaan yang diperlukan dan mendukung berbagai kasus penggunaan on-chain.

Dalam artikel ini saya akan mengemukakan empat isu, yaitu latar belakang FHE, cara kerja FHE, 5 lanskap ekosistem FHE, serta tantangan dan solusi FHE saat ini.

Latar Belakang FHE

FHE pertama kali diusulkan pada tahun 1978, tetapi karena kompleksitas komputasinya, model ini tidak praktis dan hanya bersifat teoritis untuk waktu yang cukup lama. Baru pada tahun 2009 Craig mengembangkan model FHE yang layak, yang memicu minat penelitian orang-orang terhadap FHE.

Pada tahun 2020, Zama meluncurkan TFHE dan fhEVM, yang membawa FHE menjadi pusat perhatian di dunia mata uang kripto. Sejak saat itu, kita telah melihat munculnya FHE L1/L2 yang kompatibel dengan EVM (seperti Fhenix, Inco) dan kompiler FHE (seperti Sunscreen, dll.).

Bagaimana cara kerja FHE?

Anda dapat membayangkan sebuah kotak buta dengan teka-teki di dalamnya. Namun, kotak buta tersebut tidak dapat mengetahui apa pun tentang teka-teki yang Anda berikan, tetapi ia tetap dapat menghitung hasilnya secara matematis.

Jika itu terlalu abstrak, Anda dapat mempelajari lebih lanjut dari penjelasan saya yang sederhana tentang FHE. FHE adalah teknologi privasi yang memungkinkan komputasi dilakukan pada data terenkripsi tanpa mendekripsinya terlebih dahulu. Dengan kata lain, pihak ketiga atau cloud mana pun dapat memproses informasi sensitif tanpa memiliki akses ke data apa pun di dalamnya.

Jadi, apa saja kasus penggunaan FHE? Privasi yang ditingkatkan untuk pembelajaran mesin, komputasi awan, perjudian on-chain melalui ZKP dan MPC. Transaksi on-chain pribadi/kontrak pintar pribadi/mesin virtual yang berfokus pada privasi seperti FHEVM, dll.

Beberapa kasus penggunaan FHE meliputi: komputasi on-chain privat, enkripsi data on-chain, kontrak pintar privat pada jaringan publik, ERC 20 rahasia, pemungutan suara privat, lelang buta NFT, MPC yang lebih aman, proteksi terdepan, jembatan tanpa kepercayaan.

Ekosistem FHE

Secara umum, prospek FHE on-chain dapat diringkas menjadi lima area: FHE umum, FHE/HE untuk kasus penggunaan spesifik (aplikasi), FHE perangkat keras yang dipercepat, FHE Wif AI, dan solusi alternatif.

Blockchain dan alat FHE generik

Mereka adalah tulang punggung untuk mencapai kerahasiaan blockchain. Ini termasuk SDK, koprosesor, kompiler, lingkungan eksekusi baru, blockchain, modul FHE… Yang paling menantang adalah memperkenalkan FHE ke dalam EVM, yaitu fhEVM.

fhEVM:

Zama ( @zama_fhe ), sebagai perwakilan fhEVM – penyedia pertama yang menyediakan solusi TFHE (enkripsi homomorfik penuh) + fhEVM (mesin virtual homomorfik penuh).

Fenix (Bahasa Indonesia) @FhenixIO ), mengimplementasikan FHE L2 (lapisan kedua) + koprosesor FHE pada ETH.

Jaringan Inco ( @jaringaninco ), dengan fokus pada FHE L1 yang kompatibel dengan EVM di area seperti game/RWA (aset dunia nyata)/DID (identitas terdesentralisasi)/sosial.

Matematika Adil ( @Math yang Baik ), sebuah organisasi penelitian Mesin Virtual Homomorfik Penuh (FHE-(E)VM) yang bekerja dengan openFHE untuk mempromosikan implementasi dan adopsi FHE.

Alat Infrastruktur FHE:

Jaringan Octra ( @oktra ), suatu blockchain yang mendukung lingkungan eksekusi terisolasi HFHE (enkripsi homomorfik penuh tingkat tinggi).

Tabir surya ( @Tabir Surya ), sebuah kompiler homomorfik penuh yang berbasis Rust, mengandalkan pustaka SEAL Microsoft.

Blok Adil ( @0x blokir adil ), penyedia layanan enkripsi yang dapat diprogram dan dekripsi bersyarat, juga mendukung tFHE (enkripsi homomorfik penuh ambang batas).

Dero ( @ProyekDero ), L1 dengan dukungan HE (enkripsi homomorfik) untuk transaksi pribadi (bukan FHE).

busur ( @ArciumHQ ), dikembangkan oleh @privasielusiv tim, adalah L1 yang menggabungkan privasi HE (enkripsi homomorfik) + MPC (komputasi multi-pihak) + ZK (bukti pengetahuan nol).

Rantai Shibraum FHE, FHE L1 dibuat dengan larutan zama TFHE.

FHE/HE untuk aplikasi spesifik

Penumbrazon ( @penumbrazone ): Sebuah dex Cosmos lintas rantai (appchain) yang menggunakan tFHE sebagai bursa/kolam terlindungnya.

zkPegangan-Em ( @zkHoldem ): adalah permainan poker di Manta yang menggunakan HE dan ZKP untuk membuktikan keadilan permainan.

FHE yang dipercepat perangkat keras

Setiap kali FHE digunakan untuk komputasi intensif seperti FHE-ML, bootstrapping untuk mengurangi pertumbuhan noise sangatlah penting. Solusi seperti akselerasi perangkat keras memainkan peran penting dalam memfasilitasi bootstrapping, dengan ASIC yang berkinerja terbaik.

Optalisasi ( @Optalysys ), sebuah perusahaan perangkat keras yang berfokus pada percepatan semua perangkat lunak terkait TEE, termasuk FHE, melalui komputasi optik.

Reaksi Berantai ( @reaksiberantaii0 ), sebuah perusahaan perangkat keras yang membuat chip yang membantu membuat penambangan lebih efisien. Mereka berencana untuk meluncurkan chip FHE pada akhir tahun 2024.

Ingonyama ( @Ingo_zk ) adalah perusahaan semikonduktor yang berfokus pada akselerasi perangkat keras ZKP/FHE. Produk yang ada meliputi ZPU.

Sisik ( @cysic_xyz ) adalah perusahaan akselerasi perangkat keras yang produk-produknya saat ini meliputi perangkat keras FPGA yang dikembangkan sendiri, serta chip ZK DePiN yang akan datang, ZK Air dan ZK Pro.

Setiap perusahaan mengkhususkan diri dalam memproduksi perangkat keras seperti chip, ASIC, dan semikonduktor yang dapat mempercepat boot/komputasi FHE.

AI X FHE

Baru-baru ini, ada peningkatan minat untuk mengintegrasikan FHE ke dalam AI/ML, di mana FHE dapat mencegah mesin mempelajari informasi sensitif apa pun saat memprosesnya dan memberikan kerahasiaan untuk data, model, dan keluaran selama proses berlangsung.

Anggota Ai x FHE meliputi:

Jaringan pikiran ( @jaringanpikiran_xyz ), lapisan restaking FHE untuk mengamankan jaringan Proof-of-Stake (PoS) dan AI melalui enkripsi data bernilai tinggi dan pemungutan suara pribadi, mengurangi peluang terjadinya kolusi dan manipulasi node.

Penglihatan ( @theSightAI ), blockchain inferensi AI FHE yang dapat diverifikasi dengan FHE-ML yang dapat diverifikasi. Blockchain tersebut terdiri dari tiga bagian utama: Sight Chain, Data Aggregation Layer (DA Layer), dan Sight Inference Network, tempat tugas FHE-ML dilakukan.

Berbasis AI ( @berbasisget ), Based AI adalah blockchain L1 yang mengintegrasikan FHE dengan model bahasa besar (LLM) menggunakan mekanisme yang disebut Cerberus Squeezing, yang dapat mengubah LLM apa pun menjadi model bahasa besar tanpa pengetahuan (ZL-LLM) terenkripsi.

Privasi Al ( @Privasea_ai ), Privasea AI adalah jaringan AI yang memungkinkan pengguna untuk mengenkripsi data atau model mereka menggunakan skema FHE di perpustakaan HESea dan kemudian mengunggahnya ke jaringan Privasea-AI tempat blockchain memproses data dalam keadaan terenkripsi.

Pustaka HESea bersifat komprehensif, berisi berbagai pustaka untuk TFHE, CKKS, dan BGV/BFV, dan kompatibel dengan berbagai skema.

Solusi alternatif PC/ZKFHE

Beberapa tidak menggunakan FHE, tetapi menggunakan MPC untuk melindungi data bernilai tinggi dan melakukan kalkulasi buta, sementara yang lain menggunakan ZKSNARK untuk memastikan kebenaran kalkulasi FHE pada data terenkripsi. Berikut adalah beberapa di antaranya:

Jaringan Nillion ( @jaringannillion ), jaringan komputasi yang menggunakan MPC untuk mendesentralisasi dan menyimpan data bernilai tinggi, sekaligus memungkinkan pengguna menulis program dan melakukan komputasi buta. Nillion terdiri dari dua komponen utama: lapisan koordinasi dan Petnet. Lapisan koordinasi bertindak sebagai saluran pembayaran, sementara Petnet melakukan komputasi buta dan penyimpanan data bernilai tinggi.

Padolab ( @padolabs ), Pado adalah jaringan komputasi yang menggunakan FHE untuk memproses data sensitif, sekaligus memanfaatkan MPC-TLS dan ZKP untuk memastikan kebenaran perhitungan.

Tantangan dan Solusi FHE

Tidak seperti ZK dan MPC, FHE masih dalam tahap awal. Apa kendala FHE saat ini? Untuk meningkatkan keamanan perhitungan, beberapa noise ditambahkan ke ciphertext selama enkripsi. Ketika terlalu banyak noise terakumulasi dalam ciphertext, ciphertext menjadi terlalu berisik dan akhirnya memengaruhi keakuratan output. Berbagai solusi sedang menjajaki cara menghilangkan noise secara efektif tanpa memberlakukan terlalu banyak batasan pada desain, termasuk TFHE, CKKS, BGV, dll.

Tantangan utama FHE meliputi:

Performa lambat: Saat ini, kontrak pintar privat yang menggunakan fh-EVM hanya memiliki 5 TPS. Dibandingkan dengan data murni, TFHE kini sekitar 1000 kali lebih lambat.

Belum cocok untuk pengembang: Masih kurangnya algoritma terstandarisasi dan dukungan alat FHE secara keseluruhan.

Overhead komputasi tinggi (biaya): Hal ini dapat menyebabkan sentralisasi node karena manajemen kebisingan dan bootstrapping komputasi yang rumit.

Risiko FHE pada rantai yang tidak aman: Untuk memastikan keamanan sistem dekripsi ambang batas, kunci dekripsi didistribusikan di antara node. Namun, karena overhead FHE yang tinggi, hal ini dapat menyebabkan jumlah validator yang sedikit dan oleh karena itu kemungkinan kolusi yang lebih tinggi.

Solusinya meliputi:

Peningkatan yang Dapat Diprogram: Memungkinkan kalkulasi diterapkan selama boot, sehingga meningkatkan efisiensi sekaligus bersifat spesifik pada aplikasi.

Akselerasi Perangkat Keras: Mengembangkan ASIC, GPU, dan FPGA beserta pustaka OpenFHE untuk mempercepat kinerja FHE.

Sistem dekripsi ambang batas yang lebih baik. Singkatnya, untuk membuat FHE on-chain lebih aman, kita memerlukan sistem (yang dapat berupa MPC) untuk memastikan: latensi rendah; hambatan masuk node yang lebih rendah dan mencapai desentralisasi; toleransi kesalahan.

Tautan asli

Artikel ini bersumber dari internet: Diincar VC, Berikut Proyek yang Layak Diperhatikan di Ekosistem FHE

Terkait: Wajib tonton minggu depan EigenLayer akan membuka aplikasi airdrop; Mode akan merilis token tata kelola dan airdrop (5.6-5.1

Sorotan minggu depan ZeroLend: ZERO TGE akan diluncurkan pada 6 Mei, dengan 15%-17% dari total pasokan yang digunakan untuk airdrop; Mode akan merilis token tata kelola MODE pada 7 Mei dan membuka aplikasi airdrop; meson.network: Pemetaan mainnet dijadwalkan berlangsung pada 7 Mei; EigenLayer berencana untuk membuka klaim token pada 10 Mei; Avail: Fase pertama aplikasi airdrop telah berakhir, dan informasi yang lebih relevan akan diumumkan minggu depan. Dari 6 Mei hingga 12 Mei, lebih banyak peristiwa penting dalam industri ini dipratinjau di bawah ini. 6 Mei Horizen diharapkan untuk melakukan peningkatan jaringan pada 6 Mei Odaily Planet Daily News Horizen akan meningkatkan jaringannya pada tinggi blok 1.554.150 (diharapkan pada pukul 11:00 pada 6 Mei). Binance diharapkan untuk menangguhkan…