FHE tamamen homomorfik şifrelemenin kısa bir analizi: teknik prensipler, uygulama senaryoları ve ilgili projeler

Orijinal yazar: Haotian

Vitaliks'in FHE (Tam Homomorfik Şifreleme) hakkındaki makalesi bir kez daha yayınlanmıştır.yapay zekaHerkesin yeni şifreleme teknolojilerini keşfetmesine ve hayal gücüne ilham verdi. Bana göre FHE, hayal gücü açısından ZKP teknolojisinden gerçekten bir adım daha yüksek ve AI+Crypto'nun daha fazla uygulama senaryosunda uygulanmasına yardımcı olabilir. Bunu nasıl anlamalıyız?

1) Tanım: FHE tamamen homomorfik şifreleme, verileri ve gizliliği açığa çıkarma endişesi olmadan şifrelenmiş verilerin belirli bir biçimde çalışmasını gerçekleştirebilir. Buna karşılık ZKP, yalnızca şifrelenmiş durumdaki tutarlı veri iletimi sorununu çözebilir. Veri alan taraf, yalnızca veri tarafı tarafından gönderilen verilerin gerçek olduğunu doğrulayabilir. Noktadan noktaya şifreleme iletim şemasıdır; tamamen homomorfik şifreleme işlemin konusunun kapsamını sınırlamaz, dolayısıyla çoktan çoğa şifreleme işlem şeması olarak kabul edilebilir.

2) Nasıl çalışır: Geleneksel bilgisayar işlemleri düz metin verileri üzerinde gerçekleştirilir. Veriler şifrelenmişse, hesaplamadan önce şifresinin çözülmesi gerekir, bu da kaçınılmaz olarak özel verilerin açığa çıkmasına neden olur. Homomorfik şifreleme, şifreli metin üzerinde homomorfik dönüşümler gerçekleştirebilen özel bir şifreleme şeması oluşturur, böylece işlemin sonucu düz metin işlemiyle aynı kalır. Homomorfik bir şifreleme sisteminde, düz metnin eklenmesi şifreli metnin (bir kural) çarpımına eşdeğerdir; dolayısıyla, düz metin verileri eklemek istiyorsanız yalnızca şifreli metni (eşdeğerlik) çarpmanız gerekir.

Kısacası, homomorfik şifreleme, şifreli metin durumundaki verilerin düz metinle aynı sonucu üretmesini sağlamak için özel homomorfik değişiklikler kullanır. Yalnızca işlem kurallarının homomorfik yazışma özelliklerinin sağlanmasını gerektirir.

3) Uygulama senaryoları: Geleneksel İnternet alanında FHE tamamen homomorfik şifreleme, bulut depolama, biyometri, sağlık, finans, reklam, gen dizilimi vb. gibi çok çeşitli alanlara uygulanabilir. Biyometriyi örnek olarak alırsak, kişisel parmak izleri , irisler, yüzler ve diğer biyometrik verilerin tümü hassas verilerdir. FHE teknolojisinin kullanılması, bu verilerin sunucunun şifreli metin durumunda karşılaştırılmasını ve doğrulanmasını sağlayabilir; Benzer şekilde sağlık alanında uzun yıllardır yaşanan veri parçalanması FHE ile kırılarak farklı tıbbi yapıların orijinal verileri paylaşmadan ortak analiz ve modelleme yapmasına olanak sağlanabilir.

Kripto alanında, FHE uygulama alanı ayrıca oyunlar, DAO oylama yönetimi, MEV koruması, gizlilik işlemleri, mevzuata uygunluk vb. gibi gizlilik gerektiren birden fazla senaryoyu da içerebilir. Örnek olarak oyun senaryosunu ele alalım: platform, hesaplamaları gerçekleştirir. oyuncuların elindeki kartlara göz atmadan oyunu tanıtın, oyunu daha adil hale getirin;

DAO oylamasını örnek alırsak, balinalar adreslerini ve oy sayısını açıklamadan oylama yönetimine katılabilir ve protokol, hesaplamalar yoluyla oylama sonuçları üretebilir. Ayrıca kullanıcılar, hedef adres ve transfer tutarı gibi özel bilgilerin açığa çıkmasını önlemek için şifreli işlemleri Mempool'a aktarabilirler. Başka bir örnekte, düzenleyici bir senaryoda hükümet, yasal işlemlerin gizlilik verilerini kontrol etmeden finansman havuzunu izleyebilir ve siyah bağlantılı adreslerin varlıklarını ellerinden alabilir.

4) Dezavantajları: Bilgisayarların rutin işlemleri düz metin olarak gerçekleştirdiği bilgi işlem ortamının genellikle daha karmaşık olduğunu belirtmekte fayda var. Toplama, çıkarma, çarpma ve bölmenin yanı sıra koşullu döngüler, mantık kapısı kararları vb. de bulunurken, yarı homomorfik şifreleme ve tam homomorfik şifreleme yalnızca toplama ve çarpma sırasında hızlı bir şekilde gerçekleştirilebilir. Daha karmaşık işlemler kombinasyon ve süperpozisyon gerektirir, bu da hesaplama gücü talebini buna göre artıracaktır.

Bu nedenle, teoride, tamamen homomorfik şifreleme herhangi bir hesaplamayı destekleyebilir, ancak performans darboğazları ve algoritma özellikleri nedeniyle, verimli bir şekilde yürütülebilecek homomorfik hesaplamaların türleri ve karmaşıklığı çok sınırlıdır. Genel olarak konuşursak, karmaşık hesaplamalar büyük miktarda bilgi işlem gücü gerektirir. Bu nedenle tamamen homomorfik şifrelemenin teknik uygulama süreci aslında gelişim Algoritma optimizasyonu ve bilgi işlem gücü maliyet kontrolü optimizasyonu süreci, özellikle donanım hızlandırma ve bilgi işlem gücü geliştirme sonrasındaki performansa odaklanılıyor.

üstünde

Bana göre FHE tam homomorfik şifrelemenin kısa sürede olgunlaşması ve uygulanması zor olsa da, ZKP teknolojisinin bir uzantısı ve tamamlayıcısı olarak yapay zeka büyük model gizlilik hesaplaması, yapay zeka veri ortak modellemesi, yapay zeka veri ortak modellemesi için büyük destek değeri sağlayabilir. Yapay zeka işbirliğine dayalı eğitim, Kripto gizlilik uyumluluğu işlemleri ve Kripto senaryo uzantısı.

Bu makale internetten alınmıştır: FHE tamamen homomorfik şifrelemenin kısa bir analizi: teknik ilkeler, uygulama senaryoları ve ilgili projeler

İlgili: Fantom (FTM) Fiyat Tahmini: Bu Yükseliş Formasyonu 31% Düşüşünü Önleyebilir mi?

Kısaca Fantom fiyatı, potansiyel bir 31% düzeltmesinin mümkün olabileceğini düşündüren bir Parabolik Eğri modeli oluşturuyor. Altcoin'in Bitcoin ile pozitif korelasyonu, FTM'nin düşüşe geçeceğini gösteriyor. Aktif mevduatların da birkaç ayın en yüksek seviyesinde olması, satış motivasyonunun yüksek olduğunu gösteriyor. Fantom (FTM) fiyatı yükseliş formasyonu oluşturmanın ortasında ancak ralliye rağmen düşüş sinyalleri gözlemliyor. Altcoin bu duyguyla mücadele edip potansiyel 102% artışını sürdürebilir mi, yoksa yakın zamanda 31% düzeltmesiyle mi karşılaşacak? Kripto Piyasasında Düşüş İşaretleri Fantom Fiyatında Ağır Geliyor Fantom fiyatı bu hafta başından bu yana $1 işaretinin üzerinde varlığını sürdürüyor. Tarihsel hareket göz önüne alındığında, altcoin muhtemelen bu ralliyi sürdürecek gibi görünüyor, ancak daha geniş kapsamlı…