ایک مضمون میں AI+FHE ہومومورفک انکرپشن کی تجارتی قدر کو سمجھنا

13 اکتوبر تک، TrendX پلیٹ فارم پر BTC، ETH، اور TON کے اعداد و شمار درج ذیل ہیں:

گزشتہ ہفتے بی ٹی سی مباحثوں کی تعداد 12.52K تھی، جو پچھلے ہفتے سے 0.98% کم ہے۔ گزشتہ ہفتے اتوار کو قیمت $63,916 تھی، پچھلے اتوار سے 1.62% زیادہ۔

ETH میں گزشتہ ہفتے 3.63K مباحثے ہوئے، جو پچھلے ہفتے سے 3.45% زیادہ ہے۔ گزشتہ ہفتے اتوار کو قیمت $2,530 تھی، جو پچھلے اتوار سے 4% کم ہے۔

TON نے پچھلے ہفتے 782 مباحثے کیے، جو پچھلے ہفتے سے 12.63% کم ہے۔ گزشتہ ہفتے اتوار کو قیمت $5.26 تھی، جو پچھلے اتوار سے 0.25% کم ہے۔

مکمل طور پر ہومومورفک انکرپشن (FHE) موجودہ خفیہ نگاری میں بڑی صلاحیت کے ساتھ ایک ٹیکنالوجی ہے۔ اس کی بنیادی خصوصیت یہ ہے کہ یہ ڈکرپشن کے بغیر انکرپٹڈ ڈیٹا پر حسابات کو براہ راست انجام دینے کی اجازت دیتا ہے، جو رازداری کے تحفظ اور ڈیٹا پروسیسنگ کے لیے مضبوط تعاون فراہم کرتا ہے۔ FHE بڑے پیمانے پر فنانس، میڈیسن، کلاؤڈ کمپیوٹنگ، مشین لرننگ، ووٹنگ سسٹم، انٹرنیٹ آف تھنگز، اور بلاک چین پرائیویسی پروٹیکشن میں استعمال کیا جا سکتا ہے۔ تاہم، ایف ایچ ای کے وسیع اطلاق کے امکانات کے باوجود، اسے کمرشلائزیشن کی راہ میں اب بھی چیلنجز کا سامنا ہے۔

FHE 鈥檚 ممکنہ اور درخواست کے منظرنامے۔

ہومومورفک انکرپشن کا سب سے بڑا فائدہ رازداری کا تحفظ ہے۔ تصور کریں کہ کمپنی A کو اپنے ڈیٹا کا تجزیہ کرنے کے لیے کمپنی B کی کمپیوٹنگ پاور استعمال کرنے کی ضرورت ہے، لیکن وہ نہیں چاہتی کہ کمپنی B کو ڈیٹا کے مخصوص مواد تک رسائی حاصل ہو۔ FHE اس منظر نامے میں ایک کردار ادا کر سکتا ہے: کمپنی A ڈیٹا کو خفیہ کر سکتی ہے اور اسے حساب کے لیے کمپنی B کو منتقل کر سکتی ہے۔ کیلکولیشن کے نتائج انکرپٹڈ رہتے ہیں، اور کمپنی A ڈیکرپشن کے بعد تجزیہ کے نتائج حاصل کر سکتی ہے۔ اس طرح، ڈیٹا پرائیویسی کو مؤثر طریقے سے محفوظ کیا جاتا ہے، اور کمپنی B حساب کا مطلوبہ کام بھی مکمل کر سکتی ہے۔

رازداری کے تحفظ کا یہ طریقہ کار خاص طور پر ڈیٹا حساس صنعتوں جیسے فنانس اور ہیلتھ کیئر کے لیے اہم ہے۔ اس کے علاوہ، کلاؤڈ کمپیوٹنگ اور مصنوعی ذہانت کی ترقی کے ساتھ، ڈیٹا سیکورٹی توجہ کا مرکز بن گیا ہے۔ FHE ان منظرناموں میں کثیر فریقی کمپیوٹنگ تحفظ فراہم کر سکتا ہے، تمام فریقین کو نجی معلومات کو ظاہر کیے بغیر تعاون کرنے کی اجازت دیتا ہے۔ خاص طور پر، بلاک چین ٹیکنالوجی میں، FHE آن چین پرائیویسی پروٹیکشن اور پرائیویٹ ٹرانزیکشن ریویو جیسے فنکشنز کے ذریعے ڈیٹا پروسیسنگ کی شفافیت اور سیکیورٹی کو بہتر بناتا ہے۔

FHE اور دیگر خفیہ کاری کے طریقوں کا موازنہ

Web3 اسپیس میں، FHE، زیرو نالج پروف (ZK)، ملٹی پارٹی کمپیوٹیشن (MPC)، اور ٹرسٹڈ ایگزیکیوشن انوائرمنٹ (TEE) رازداری کے تحفظ کے اہم طریقے ہیں۔ ZK کے برعکس، FHE پہلے ڈیٹا کو ڈکرپٹ کیے بغیر خفیہ کردہ ڈیٹا پر مختلف قسم کے آپریشن کر سکتا ہے۔ MPC فریقین کو ایک دوسرے کے ساتھ نجی معلومات کا اشتراک کیے بغیر انکرپٹڈ ڈیٹا کے ساتھ حساب کتاب کرنے کی اجازت دیتا ہے۔ TEE ایک محفوظ ماحول میں کمپیوٹنگ فراہم کرتا ہے، لیکن ڈیٹا پروسیسنگ کی لچک نسبتاً محدود ہے۔

ان میں سے ہر ایک کرپٹوگرافک تکنیک کے اپنے فوائد ہیں، لیکن FHE کمپیوٹنگ کے پیچیدہ کاموں کو سپورٹ کرنے میں خاص طور پر اچھا ہے۔ اس کے باوجود، ایف ایچ ای کو اب بھی عملی ایپلی کیشنز میں اعلیٰ کمپیوٹیشنل اوور ہیڈ اور ناقص اسکیل ایبلٹی کے مسائل کا سامنا ہے، جو اکثر ریئل ٹائم ایپلی کیشنز میں استعمال کرنا مشکل بنا دیتا ہے۔ FHE کی حدود اور چیلنجز اگرچہ FHE کی ایک مضبوط نظریاتی بنیاد ہے، لیکن اسے تجارتی ایپلی کیشنز میں عملی چیلنجوں کا سامنا کرنا پڑا ہے۔

• بڑے پیمانے پر کمپیوٹیشنل اوور ہیڈ: FHE کو بہت سارے کمپیوٹنگ وسائل کی ضرورت ہوتی ہے، اور اس کے کمپیوٹیشنل اوور ہیڈ کو غیر خفیہ شدہ کمپیوٹنگ کے مقابلے میں نمایاں طور پر بڑھایا جاتا ہے۔ اعلیٰ ترتیب والی کثیر الثانی کارروائیوں کے لیے، پروسیسنگ کا وقت کثیر الثانی طور پر بڑھتا ہے، اس لیے FHE کے لیے ریئل ٹائم کمپیوٹنگ کی ضروریات کو پورا کرنا مشکل ہے۔ لاگت کو کم کرنے کے لیے، FHE کو ہارڈ ویئر کی سرعت کاری پر انحصار کرنے کی ضرورت ہے، لیکن اس سے تعیناتی کی پیچیدگی بھی بڑھ جاتی ہے۔

• محدود آپریشنل صلاحیتیں: اگرچہ FHE انکرپٹڈ ڈیٹا کے اضافے اور ضرب کو انجام دے سکتا ہے، لیکن اسے پیچیدہ نان لائنر آپریشنز کے لیے محدود حمایت حاصل ہے، جو مصنوعی ذہانت کی ایپلی کیشنز کے لیے ایک رکاوٹ ہے جس میں گہرے نیورل نیٹ ورک شامل ہیں۔ موجودہ FHE اسکیم اب بھی بنیادی طور پر لکیری اور سادہ کثیر الثانی حسابات پر لاگو ہوتی ہے، اور نان لائنر ماڈلز کا اطلاق کافی حد تک محدود ہے۔

• ملٹی یوزر سپورٹ کی پیچیدگی: FHE سنگل یوزر کے منظرناموں میں اچھی کارکردگی کا مظاہرہ کرتا ہے، لیکن جب بات ملٹی یوزر ڈیٹاسیٹس کی ہو تو سسٹم کی پیچیدگی تیزی سے بڑھ جاتی ہے۔ 2013 میں، Lopez-Alt et al. نے ایک ملٹی کلیدی FHE فریم ورک کی تجویز پیش کی، جو مختلف کلیدوں کے ساتھ خفیہ کردہ ڈیٹاسیٹس کو کام کرنے کی اجازت دیتا ہے، لیکن اس کی کلیدی نظم و نسق اور نظام کے فن تعمیر کی پیچیدگی میں نمایاں اضافہ ہوا ہے۔

FHE کو AI کے ساتھ ملانا

موجودہ ڈیٹا پر مبنی دور میں، مصنوعی ذہانت (AI) کو بہت سے شعبوں میں بڑے پیمانے پر استعمال کیا جا رہا ہے، لیکن ڈیٹا پرائیویسی کے خدشات کے باعث، صارفین اکثر طبی اور مالی معلومات جیسے حساس ڈیٹا کو شیئر کرنے سے گریزاں ہیں۔ FHE AI فیلڈ کے لیے رازداری کے تحفظ کا حل فراہم کرتا ہے۔ کلاؤڈ کمپیوٹنگ کے منظرناموں میں، ڈیٹا کو عام طور پر ٹرانسمیشن اور اسٹوریج کے دوران انکرپٹ کیا جاتا ہے، لیکن پروسیسنگ کے دوران اکثر سادہ متن میں ہوتا ہے۔ FHE کے ساتھ، صارف کے ڈیٹا پر کارروائی کی جا سکتی ہے جبکہ انکرپٹڈ رہتے ہوئے، ڈیٹا کی رازداری کو یقینی بنایا جا سکتا ہے۔

یہ فائدہ جی ڈی پی آر جیسے ضوابط کے تحت خاص طور پر اہم ہے، جس کے لیے صارفین کو یہ بتانا ضروری ہے کہ ان کے ڈیٹا پر کیسے عمل کیا جاتا ہے اور اس بات کو یقینی بنانا ہے کہ ٹرانسمیشن کے دوران ان کا ڈیٹا محفوظ ہے۔ FHE鈥檚 اینڈ ٹو اینڈ انکرپشن تعمیل اور ڈیٹا کی حفاظت کی یقین دہانی فراہم کرتا ہے۔

بلاکچین میں موجودہ FHE ایپلی کیشنز اور پروجیکٹس

بلاکچین میں ایف ایچ ای کا اطلاق بنیادی طور پر ڈیٹا پرائیویسی کے تحفظ پر مرکوز ہے، بشمول آن چین پرائیویسی، اے آئی ٹریننگ ڈیٹا پرائیویسی، آن چین ووٹنگ پرائیویسی، اور آن چین پرائیویسی ٹرانزیکشن کا جائزہ۔ فی الحال، بہت سے منصوبے رازداری کے تحفظ کے احساس کو فروغ دینے کے لیے FHE ٹیکنالوجی کا استعمال کرتے ہیں۔ مثال کے طور پر، Zama کی طرف سے تیار کردہ FHE حل بڑے پیمانے پر Fhenix، Privasea، IncoNetwork، اور MindNetwork جیسے منصوبوں میں استعمال ہوتا ہے۔

Zama: TFHE ٹیکنالوجی کی بنیاد پر، یہ بولین آپریشنز اور کم الفاظ کی لمبائی والے انٹیجر آپریشنز پر فوکس کرتا ہے، اور بلاکچین اور AI ایپلی کیشنز کے لیے FHE ڈیولپمنٹ اسٹیک بناتا ہے۔

Octra: بلاکچین نیٹ ورکس کے لیے ایک نئی سمارٹ کنٹریکٹ لینگویج اور HyperghraphFHE لائبریری تیار کی ہے۔

Privasea: AI کمپیوٹنگ نیٹ ورکس میں رازداری کے تحفظ کو حاصل کرنے کے لیے FHE کا استعمال، متعدد AI ماڈلز کو سپورٹ کرنا۔

MindNetwork: FHE کو مصنوعی ذہانت کے ساتھ جوڑ کر ایک وکندریقرت اور رازداری کو محفوظ رکھنے والا AI ماحول فراہم کرنا۔

Fhenix: Ethereum کے لیے ایک Layer 2 سلوشن کے طور پر، یہ FHE رول اپس اور FHE Coprocessors کو سپورٹ کرتا ہے، EVM کے ساتھ مطابقت رکھتا ہے اور سالیڈیٹی میں لکھے گئے سمارٹ معاہدوں کو سپورٹ کرتا ہے۔

تحقیقی ڈیٹا

آخر میں

ایک جدید ٹیکنالوجی کے طور پر جو خفیہ کردہ ڈیٹا پر حساب کتاب کر سکتی ہے، FHE کو ڈیٹا کی رازداری کے تحفظ میں اہم فوائد حاصل ہیں۔ اگرچہ FHE کی موجودہ کمرشل ایپلی کیشن کو اب بھی اعلی کمپیوٹنگ اوور ہیڈ اور ناقص اسکیل ایبلٹی کے مسائل کا سامنا ہے، لیکن امید کی جاتی ہے کہ ان مسائل کو ہارڈویئر ایکسلریشن اور الگورتھم آپٹیمائزیشن کے ذریعے بتدریج حل کیا جائے گا۔ اس کے علاوہ، بلاک چین ٹیکنالوجی کی ترقی کے ساتھ، FHE رازداری کے تحفظ اور محفوظ کمپیوٹنگ میں تیزی سے اہم کردار ادا کرے گا۔ مستقبل میں، FHE پرائیویسی کو محفوظ رکھنے والی کمپیوٹنگ کو سپورٹ کرنے والی بنیادی ٹیکنالوجی بننے کا امکان ہے، جو ڈیٹا سیکیورٹی میں نئی انقلابی کامیابیاں لائے گی۔

TrendX پر ہماری پیروی کریں۔

TrendX-No.1 Web3 سرمایہ کاری کے مواقع کا پلیٹ فارم، صنعت کی معروف AI تجزیہ ٹیکنالوجی اور آن چین اور آف چین ٹرینڈ ٹریکنگ ٹیکنالوجی پر انحصار کرتا ہے، دسیوں اربوں ڈیٹا ڈائنامکس سے حقیقی وقت کا تجزیہ کرتا ہے، سرمایہ کاری کے مواقع حاصل کرتا ہے، اور سرمایہ کاری فراہم کرتا ہے۔ بدیہی انٹرایکٹو طریقوں کے ذریعے صارفین کو مشورہ۔ تبدیلی کے تصور پر عمل کرنا موقع ہے، یہ صارفین کا ترجیحی Web3 سرمایہ کاری پلیٹ فارم بننے کے لیے پرعزم ہے۔

سرمایہ کاری خطرناک ہے۔ پروجیکٹ صرف حوالہ کے لیے ہے۔ براہ کرم خود خطرہ مول لیں۔

یہ مضمون انٹرنیٹ سے لیا گیا ہے: ایک مضمون میں AI+FHE ہومومورفک انکرپشن کی تجارتی قدر کو سمجھنا

متعلقہ: zkSync کے بانی کا کھلا خط: ہم ملازمین کو کیوں نکال رہے ہیں؟

اصل مضمون از: Alex G. ( , ∆) اصل ترجمہ: TechFlow میں نے ابھی Matter Labs ٹیم کو ایک پیغام بھیجا ہے: آج، میں Matter Labs کے چھ سالوں میں سب سے مشکل تبدیلی کا اعلان کر رہا ہوں۔ ہم اپنی تنظیم کی تنظیم نو کر رہے ہیں اور ہمیں اپنی ٹیم کے بہت سے حیرت انگیز اراکین (ٹیم کے تقریباً 16%) کو الوداع کہنا ہے۔ ہم نے ہر متاثرہ ملازم سے انفرادی طور پر بات کی ہے۔ بانی اور سی ای او کے طور پر، میں اس فیصلے اور اس سے پہلے آنے والے تمام فیصلوں کی پوری ذمہ داری لیتا ہوں۔ آپ میں سے ان لوگوں کے لیے جو جا رہے ہیں: مجھے افسوس ہے کہ ہمیں یہ قدم اٹھانا پڑا۔ کارکردگی سے غیر متعلق وجوہات کی بنا پر باصلاحیت لوگوں کو الوداع کہنا تکلیف دہ ہے۔ میں وضاحت کروں گا کہ ہم نے یہ فیصلہ کیوں کیا، ہم ٹیم کے ان ارکان کی دیکھ بھال کیسے کریں گے جو چھوڑ رہے ہیں، اور اس کا کیا مطلب ہے…