FHE 현황, 생태 경관 및 향후 과제

저자: 푸프만, 오로 리서치, 번역: 0xjs@골든 파이낸스

FHE는 암호화된 데이터에서 복호화 없이 컴퓨팅할 수 있는 가능성을 열어줍니다.

블록체인, MPC, ZKP(확장성)와 결합하면 FHE는 필요한 기밀성을 제공하고 다양한 온체인 사용 사례를 지원합니다.

이 문서에서는 FHE의 현재 상태에 대한 간략한 개요를 제공합니다.

<

1. FHE 배경, 2. FHE 작동 방식, 3. FHE 생태계의 5가지 영역, 4. 현재 FHE의 과제와 해결책에 대해 발표합니다.

I. 배경

FHE는 1978년에 처음 제안되었지만 높은 계산 복잡성으로 인해 오랫동안 실용화되지 못하고 이론적 수준에 머물렀습니다.

2009년에야 크레이그가 FHE를 위한 실행 가능한 모델을 개발했고, 그 이후로 FHE에 대한 연구 관심이 급증했습니다.

<

2020년, 자마가 TFHE와 fhEVM을 도입하면서 FHE가 암호화폐 업계의 주목을 받게 되었습니다.

그 이후 Fhenix, Inco Network, FHE 컴파일러인 Sunscreen Tech와 같이 FHE L1/L2와 호환되는 범용 EVM의 출현을 보았습니다.

< /p>

II. FHE는 어떻게 작동하나요?

블라인드 박스 안에 퍼즐이 들어 있다고 상상할 수 있습니다. 하지만 블라인드 박스는 사용자가 제공한 퍼즐에 대해 아무것도 학습할 수 없지만 수학을 사용하여 결과를 계산할 수는 있습니다.

프라이빗 온체인 연산, 온체인 데이터 암호화, 퍼블릭 네트워크의 프라이빗 스마트 콘트랙트, 기밀 ERC20, 프라이빗 투표, NFT 블라인드 경매, 보다 안전한 MPC, 선제적 거래 보호, 신뢰가 필요 없는 브리지 등 FHE의 사용 사례는 다음과 같습니다.

셋째, FHE 생태계

전반적으로 체인 내 FHE의 환경은 5가지 영역으로 요약할 수 있습니다: 1. 범용 FHE; 2. 사용 사례별(애플리케이션) FHE/HE; 3. FHE 가속 하드웨어; 4. AI를 사용한 FHE; 5. 대체 솔루션

1. 범용 FHE 블록체인 및 도구

블록체인 기밀성을 구현하는 중추적인 역할을 합니다. 여기에는 SDK, 코프로세서, 컴파일러, 새로운 실행 환경, 블록체인, FHE 모듈 ......

가장 어려운 것은 EVM에 FHE를 도입하는 것, 즉 fhEVM입니다.

포함:

fhEVM: Zama, Fhenix, Inco 네트워크, 페어 매쓰

FHE 도구/인프라: 옥트라, 선스크린 테크, 페어블록, 데로, 아르시움(구 엘루시브), 시바리움

각 프로젝트의 한 문장으로 요약한 내용입니다.

2. 특수 목적 애플리케이션을 위한 FHE/HE

페넘: 차폐 스위칭/풀링을 위해 tFHE를 사용하는 크로스체인 코스모스 덱스(앱체인).

zkHoldem: 게임의 공정성을 증명하기 위해 HE와 ZKP를 사용하는 만타 네트워크의 포커 게임.

3. 하드웨어 가속

노이즈 증가를 줄이기 위한 부팅은 FHE-ML과 같은 집중적인 연산에 FHE를 사용할 때마다 매우 중요합니다. 하드웨어 가속과 같은 솔루션은 부트스트래핑을 촉진하는 데 중요한 역할을 하며, ASIC이 가장 우수한 성능을 발휘합니다.

하드웨어 분야의 멤버로는 Optalysys, Chain Reaction, Ingonyama, Cysic 등이 있습니다. >

각 회사는 칩, ASIC, 반도체 등 FHE 부팅/연산을 가속화할 수 있는 하드웨어를 전문으로 합니다.

< /p>

4. AI X FHE

최근 AI/ML에 FHE를 통합하는 것에 대한 관심이 높아지고 있습니다. 무엇보다도 FHE는 기계가 처리하는 동안 민감한 정보를 학습하지 못하도록 방지하고 프로세스 전반에 걸쳐 데이터, 모델 및 출력물에 대한 기밀성을 제공합니다.

< /p>

MAI x FHE는 마인드 네트워크, 사이트 AI, 기반 AI, 프리바세아로 구성되어 있습니다

5."대체 솔루션"

FHE를 사용하는 대신 MPC를 사용하여 고가치 데이터를 보호하고 "블라인드 계산"을 수행하는 경우도 있고, ZKSNARK를 사용하여 암호화된 데이터에 대한 FHE 계산의 정확성을 보장하는 경우도 있습니다.

< /p>

이들은: 닐리언 네트워크, 파도 랩스

4, FHE 과제 및 솔루션

ZK 및 MPC와 달리 FHE는 아직 초기 단계에 있습니다.

주요 과제는 다음과 같습니다.

느린 성능: 현재 fh-EVM을 사용하는 프라이빗 스마트 컨트랙트는 5 TPS에 불과합니다. 또한 현재 FHE는 순수 데이터에 비해 약 1000배 느립니다.

아직 개발자 친화적이지 않음: 아직 표준화된 알고리즘과 FHE 도구에 대한 전반적인 지원이 부족합니다.

높은 계산 오버헤드(비용): 노이즈 관리와 부팅 시 복잡한 계산으로 인해 노드 중앙 집중화로 이어질 수 있습니다.

안전하지 않은 온체인 FHE의 위험: 모든 보안 임계값 복호화 시스템의 경우, 복호화 키가 노드 간에 분산됩니다. 그러나 FHE의 높은 오버헤드로 인해 인증자 수가 줄어들고 따라서 담합의 가능성이 높아질 수 있습니다.

해결 방법: 프로그래밍 가능한 부트스트래핑: 부트스트래핑 중에 연산을 적용할 수 있으므로 특정 애플리케이션을 대상으로 하면서 효율성을 높일 수 있습니다.

하드웨어 가속: ASIC, GPU 및 FPGA는 OpenFHE 라이브러리로 개발되어 FHE 성능을 가속화합니다.

< /p>

더 나은 임계값 복호화 시스템: 간단히 말해, 온체인 FHE의 보안을 강화하려면 낮은 지연 시간, 노드의 탈중앙화된 진입 장벽, 내결함성 등을 보장하는 시스템(MPC가 될 수 있음)이 필요합니다.