การวิเคราะห์โดยย่อของการเข้ารหัสแบบโฮโมมอร์ฟิกเต็มรูปแบบของ FHE: หลักการทางเทคนิค สถานการณ์การใช้งาน และโครงการที่เกี่ยวข้อง

ผู้เขียนต้นฉบับ: Haotian

บทความ Vitaliks เกี่ยวกับ FHE (การเข้ารหัส Homomorphic อย่างสมบูรณ์) เคยมี agAIเป็นแรงบันดาลใจให้ทุกคนสำรวจและจินตนาการเกี่ยวกับเทคโนโลยีการเข้ารหัสใหม่ๆ ในความคิดของฉัน FHE นั้นเหนือกว่าเทคโนโลยี ZKP อย่างแน่นอนในแง่ของจินตนาการ และสามารถช่วยให้ AI+Crypto ถูกนำไปใช้ในสถานการณ์การใช้งานต่างๆ ได้มากขึ้น เราควรเข้าใจเรื่องนี้อย่างไร?

1) คำจำกัดความ: การเข้ารหัสแบบโฮโมมอร์ฟิกเต็มรูปแบบของ FHE สามารถตระหนักถึงการทำงานของข้อมูลที่เข้ารหัสในรูปแบบเฉพาะโดยไม่ต้องกังวลกับการเปิดเผยข้อมูลและความเป็นส่วนตัว ในทางตรงกันข้าม ZKP สามารถแก้ปัญหาการส่งข้อมูลอย่างสม่ำเสมอในสถานะที่เข้ารหัสเท่านั้น ฝ่ายที่ได้รับข้อมูลสามารถตรวจสอบได้ว่าข้อมูลที่ส่งโดยฝ่ายข้อมูลนั้นมีความถูกต้องเท่านั้น มันเป็นรูปแบบการส่งผ่านการเข้ารหัสแบบจุดต่อจุด ในขณะที่การเข้ารหัสแบบโฮโมมอร์ฟิกโดยสมบูรณ์ไม่ได้จำกัดขอบเขตของการดำเนินการ ดังนั้นจึงถือได้ว่าเป็นแผนการดำเนินการเข้ารหัสแบบกลุ่มต่อกลุ่ม

2) วิธีการทำงาน: การทำงานของคอมพิวเตอร์แบบดั้งเดิมจะดำเนินการกับข้อมูลข้อความธรรมดา หากข้อมูลถูกเข้ารหัสจะต้องถอดรหัสก่อนการคำนวณซึ่งจะทำให้ข้อมูลส่วนตัวถูกเปิดเผยอย่างหลีกเลี่ยงไม่ได้ การเข้ารหัสแบบโฮโมมอร์ฟิกสร้างรูปแบบการเข้ารหัสพิเศษที่สามารถทำการแปลงแบบโฮโมมอร์ฟิกบนไซเฟอร์เท็กซ์ เพื่อให้ผลลัพธ์ของการดำเนินการยังคงเหมือนกับการดำเนินการแบบข้อความธรรมดา ในระบบเข้ารหัสโฮโมมอร์ฟิก การเพิ่มข้อความธรรมดาจะเทียบเท่ากับการคูณของไซเฟอร์เท็กซ์ (กฎ) ดังนั้นหากคุณต้องการเพิ่มข้อมูลข้อความธรรมดา คุณเพียงแค่ต้องคูณข้อความไซเฟอร์เท็กซ์ (การเทียบเท่า)

กล่าวโดยสรุป การเข้ารหัสโฮโมมอร์ฟิกใช้การเปลี่ยนแปลงโฮโมมอร์ฟิกพิเศษเพื่อทำให้ข้อมูลในสถานะไซเฟอร์เท็กซ์ให้ผลลัพธ์เช่นเดียวกับข้อความธรรมดา เพียงต้องการให้แน่ใจว่าลักษณะการติดต่อแบบโฮโมมอร์ฟิกของกฎการดำเนินการเท่านั้น

3) สถานการณ์การใช้งาน: ในด้านอินเทอร์เน็ตแบบดั้งเดิม การเข้ารหัส FHE แบบโฮโมมอร์ฟิกอย่างสมบูรณ์สามารถนำไปใช้กับหลากหลายสาขา เช่น พื้นที่เก็บข้อมูลบนคลาวด์ ไบโอเมตริก การดูแลสุขภาพ การเงิน การโฆษณา การจัดลำดับยีน ฯลฯ โดยนำข้อมูลไบโอเมตริกมาเป็นตัวอย่าง ลายนิ้วมือส่วนบุคคล , ม่านตา, ใบหน้า และข้อมูลไบโอเมตริกซ์อื่นๆ ล้วนเป็นข้อมูลที่ละเอียดอ่อน การใช้เทคโนโลยี FHE สามารถเปรียบเทียบและตรวจสอบข้อมูลเหล่านี้ในสถานะไซเฟอร์เท็กซ์ของเซิร์ฟเวอร์ได้ ในทำนองเดียวกัน FHE สามารถทำลายการกระจายตัวของข้อมูลในสาขาการดูแลสุขภาพเป็นเวลาหลายปีได้ ทำให้โครงสร้างทางการแพทย์ที่แตกต่างกันสามารถทำการวิเคราะห์และสร้างแบบจำลองร่วมกันโดยไม่ต้องเปิดเผยข้อมูลต้นฉบับ

ในด้าน Crypto นั้น พื้นที่แอปพลิเคชัน FHE ยังสามารถเกี่ยวข้องกับหลายสถานการณ์ที่จำเป็นต้องมีความเป็นส่วนตัว เช่น เกม การกำกับดูแลการลงคะแนนเสียงของ DAO การป้องกัน MEV ธุรกรรมความเป็นส่วนตัว การปฏิบัติตามกฎระเบียบ ฯลฯ ยกตัวอย่างสถานการณ์ของเกม: แพลตฟอร์มทำการคำนวณเพื่อ โปรโมตเกมโดยไม่ต้องสอดแนมไพ่ในมือของผู้เล่น ทำให้เกมมีความยุติธรรมมากขึ้น

ยกตัวอย่างการลงคะแนนของ DAO วาฬสามารถมีส่วนร่วมในการกำกับดูแลการลงคะแนนเสียงโดยไม่ต้องเปิดเผยที่อยู่และจำนวนคะแนนเสียง และโปรโตคอลสามารถสร้างผลลัพธ์การลงคะแนนผ่านการคำนวณ นอกจากนี้ ผู้ใช้สามารถส่งธุรกรรมที่เข้ารหัสไปยัง Mempool เพื่อหลีกเลี่ยงการเปิดเผยข้อมูลส่วนตัว เช่น ที่อยู่เป้าหมายและจำนวนเงินที่โอน ในอีกตัวอย่างหนึ่ง ในสถานการณ์ด้านกฎระเบียบ รัฐบาลสามารถตรวจสอบแหล่งเงินทุนและตัดทรัพย์สินของที่อยู่ที่เกี่ยวข้องกับคนผิวดำ โดยไม่ต้องตรวจสอบข้อมูลความเป็นส่วนตัวของธุรกรรมทางกฎหมาย

4) ข้อเสีย: เป็นที่น่าสังเกตว่าสภาพแวดล้อมการประมวลผลที่คอมพิวเตอร์ดำเนินการตามปกติในรูปแบบข้อความล้วนมักจะซับซ้อนกว่า นอกเหนือจากการบวก การลบ การคูณ และการหารแล้ว ยังมีการวนซ้ำแบบมีเงื่อนไข การตัดสินลอจิกเกต ฯลฯ ในขณะที่การเข้ารหัสแบบกึ่งโฮโมมอร์ฟิกและการเข้ารหัสแบบโฮโมมอร์ฟิกเต็มรูปแบบสามารถทำได้อย่างรวดเร็วด้วยการบวกและการคูณเท่านั้น การดำเนินการที่ซับซ้อนมากขึ้นจำเป็นต้องมีการผสมผสานและการซ้อนทับ ซึ่งจะเพิ่มความต้องการพลังการประมวลผลตามลำดับ

ดังนั้น ตามทฤษฎีแล้ว การเข้ารหัสโฮโมมอร์ฟิกอย่างสมบูรณ์สามารถรองรับการคำนวณใดๆ ก็ได้ แต่เนื่องจากปัญหาคอขวดของประสิทธิภาพและคุณลักษณะของอัลกอริทึม ประเภทและความซับซ้อนของการคำนวณโฮโมมอร์ฟิกที่สามารถดำเนินการได้อย่างมีประสิทธิภาพจึงมีจำกัดมาก โดยทั่วไปแล้ว การคำนวณที่ซับซ้อนจะต้องใช้พลังในการคำนวณจำนวนมาก ดังนั้นกระบวนการดำเนินการทางเทคนิคของการเข้ารหัสแบบโฮโมมอร์ฟิกอย่างสมบูรณ์จึงเป็นจริง การพัฒนา กระบวนการเพิ่มประสิทธิภาพอัลกอริทึมและการเพิ่มประสิทธิภาพการควบคุมต้นทุนพลังงานการประมวลผล โดยเฉพาะอย่างยิ่งการมุ่งเน้นไปที่ประสิทธิภาพหลังจากการเร่งด้วยฮาร์ดแวร์และการเพิ่มประสิทธิภาพของพลังการประมวลผล

ข้างบน

ในความคิดของฉัน แม้ว่าการเข้ารหัสแบบโฮโมมอร์ฟิกโดยสมบูรณ์ของ FHE นั้นยากที่จะเติบโตและนำไปใช้ในช่วงเวลาสั้นๆ เนื่องจากเป็นส่วนขยายและส่วนเสริมของเทคโนโลยี ZKP แต่ก็สามารถให้การสนับสนุนที่ยอดเยี่ยมสำหรับการประมวลผลความเป็นส่วนตัวในโมเดลขนาดใหญ่ของ AI, การสร้างแบบจำลองร่วมของข้อมูล AI การฝึกอบรมการทำงานร่วมกันของ AI ธุรกรรมการปฏิบัติตามข้อกำหนดความเป็นส่วนตัวของ Crypto และการขยายสถานการณ์ Crypto

บทความนี้มาจากอินเทอร์เน็ต: การวิเคราะห์โดยย่อของการเข้ารหัสแบบโฮโมมอร์ฟิกเต็มรูปแบบของ FHE: หลักการทางเทคนิค สถานการณ์การใช้งาน และโครงการที่เกี่ยวข้อง

ที่เกี่ยวข้อง: การทำนายราคา Fantom (FTM): รูปแบบรั้นนี้สามารถป้องกันการล่มสลายของ 31% ได้หรือไม่?

โดยสรุป ราคา Fantom กำลังสร้างรูปแบบ Parabolic Curve ซึ่งแสดงให้เห็นว่ามีการแก้ไข 31% ที่เป็นไปได้ ความสัมพันธ์เชิงบวกของ altcoin กับ Bitcoin ชี้ให้เห็นว่า FTM มีกำหนดลดลง เงินฝากที่ใช้งานอยู่ยังสูงในรอบหลายเดือนซึ่งบ่งชี้ว่ามีแรงจูงใจในการขายสูง ราคา Fantom (FTM) อยู่ท่ามกลางการสร้างรูปแบบกระทิง แต่ถึงแม้จะมีการฟื้นตัว แต่ก็ยังมีสัญญาณขาลง อัลท์คอยน์สามารถต่อสู้กับความรู้สึกนี้และดำเนินต่อไปด้วยศักยภาพที่เพิ่มขึ้น 1,02% หรือจะเผชิญกับการปรับฐาน 31% เร็วๆ นี้? สัญญาณขาลงของตลาด Crypto มีน้ำหนักมากในราคา Fantom ราคา Fantom ยังคงอยู่เหนือเครื่องหมาย $1 มาตั้งแต่ต้นสัปดาห์นี้ เมื่อพิจารณาถึงความเคลื่อนไหวทางประวัติศาสตร์ ดูเหมือนว่าอัลท์คอยน์จะมีแนวโน้มเพิ่มขึ้นต่อไป แต่จะกว้างขึ้น...