저자: 0x_Todd; 출처: X@0x_Todd
최근 시장이 좋지 않아서 드디어 새로운 기술 라인을 계속 공유할 시간이 조금 더 있습니다. 2024년의 암호화폐 시장은 과거만큼 극적이지는 않겠지만, 오늘 이야기할 주제인 "FHE / 완전 동형 암호화"와 같이 여전히 성숙을 시도하는 새로운 기술들이 있습니다. 올해 5월에 브이갓은 FHE에 관한 기사도 발표했는데, 관심 있는 모든 분들께 읽어보시기를 권합니다.
FHE란 무엇인가요?
FHE 완전 동형 암호화를 이해하려면 "암호화"가 무엇인지, "동형"이 무엇인지, 왜 중요한지 이해해야 합니다. "전체".
1. 암호화란 무엇인가요?
일반 암호화가 가장 친숙합니다. 예를 들어 앨리스가 밥에게 "1314 520"이라는 메시지를 보내고 싶다고 가정해 보겠습니다.
제3자인 C가 메시지를 전달하도록 하면서도 메시지를 기밀로 유지하려는 경우, 각 숫자를 2배로 암호화하여 "2628 1040"으로 전송하면 됩니다. "로 암호화하면 됩니다.
밥은 이 메시지를 받으면 각 숫자를 2로 나누어 "1314 520"이라는 원래 앨리스의 암호를 해독합니다.
보시다시피, 두 사람은 대칭 암호화를 사용하여 메시지를 완성하고 C를 고용하여 작업을 수행하되 C는 메시지에 대해 알지 못하도록 했습니다. 일반적으로 스파이 영화에서 두 연락책은 그 이상은 서로 소통하지 않습니다.
2. 동형 암호란 무엇인가요?
예를 들어, 앨리스는 7살에 불과하고 x2와 ÷2와 같은 가장 간단한 산술만 알고 있으며 그 외에는 아무것도 모릅니다.
자, 앨리스가 한 달에 400달러씩 12개월 동안 전기 요금을 납부해야 한다고 가정해 봅시다.
400*12=는 몇 배일까요? 7살에 불과한 앨리스가 계산할 수 있는 것보다 훨씬 많은 금액인데, 앨리스는 계산 방법을 모릅니다.
그러나 그녀는 민감한 정보이므로 자신의 전기 요금이 얼마인지, 몇 개월인지 다른 사람이 알기를 원하지 않습니다.
그래서 앨리스는 C를 믿지 못하고 C에게 계산을 도와달라고 요청합니다.
알리스는 x2 ÷ 2만 알기 때문에 x2 곱셈을 사용하여 간단한 암호화를 한 다음 C에게 800x24=가 얼마나 되는지, 즉 (400x2) 곱하기 (12x2)를 계산해 달라고 말합니다.
계산 능력이 뛰어난 성인인 C는 800*24=19,200을 구두로 빠르게 계산한 후 앨리스에게 그 숫자를 알려주었고, 그 결과 19,200 ÷ 2 ÷ 2가 나오자 수도 요금으로 4,800 달러를 납부해야 한다는 것을 금방 알 수 있었습니다.
보시죠? 이것은 가장 간단한 곱셈 동형 암호화 중 하나로, 800*24는 400*12의 매핑에 불과하며 변경 전과 후의 형태가 실제로 동일하므로 "동형"이라는 이름이 붙었습니다.
이러한 종류의 암호화를 사용하면 신뢰할 수 없는 기관에 결과를 위임할 수 있지만 민감한 번호는 비공개로 유지할 수 있습니다.
3. 그렇다면 왜 "동형 암호화"는 "전체" 암호화여야 할까요?
그러나 이는 이상적인 세계에서나 가능한 문제입니다. 현실의 문제는 그렇게 간단하지 않으며, 모든 사람이 7살이나 C처럼 정직하지는 않습니다.
현실의 문제는 그렇게 간단하지 않습니다.
C가 역추적을 시도하고 앨리스가 철저한 열거를 통해 400과 12를 계산하려고 한다는 것을 C가 해독하는 매우 나쁜 시나리오를 가정해 봅시다.
이 경우 우리는 "전체 동형 암호화"가 필요합니다.
앨리스는 각 숫자에 2의 값을 부여하는데, 이는 노이즈라고 생각할 수 있습니다. 노이즈가 너무 적으면 C가 쉽게 해독할 수 있습니다.
따라서 앨리스는 곱셈에 덧셈을 도입할 수 있습니다.
물론 소음이 오전 9시의 주요 도로 교차로와 같다면 C를 해독하기가 더 어렵습니다.
따라서 앨리스는 4배에 8배를 곱하여 C가 깨질 확률을 크게 줄일 수 있습니다.
그러나 이는 여전히 앨리스에게 "부분적" 동형 암호화일 뿐입니다. 즉, (1) 앨리스는 문제의 특정 부분만 암호화할 수 있고 (2) 덧셈과 곱셈의 횟수가 너무 많을 수 없기 때문에 알고리즘의 특정 부분만 사용할 수 있습니다(일반적으로 15회를 넘지 않음). (일반적으로 15회 이하).
그리고 '전체'는 앨리스가 다항식을 덧셈으로 몇 번이고 곱셈으로 몇 번이고 암호화할 수 있도록 허용해야 한다는 의미로, 전체 연산을 제3자에게 위임하고 올바른 결과를 얻기 위해 해독할 수 있도록 해야 합니다.
전기요금 계산과 같은 7살 아이의 문제뿐만 아니라 세상의 거의 모든 수학 문제를 표현하는 초장다항식.
여러 가지 암호화와 함께 사용하면 C가 개인 데이터를 스누핑할 가능성을 근본적으로 제거할 수 있습니다(실제로 "원하기도 하고 필요하기도 한").
그 결과, 완전 동형 암호화는 항상 암호화 성배의 보석과도 같은 역할을 해왔습니다.
사실, 동형 암호화는 2009년까지만 해도 '부분 동형 암호화'에 불과했습니다.
2009년에야 젠트리와 다른 사람들의 새로운 아이디어가 완전한 동형 암호화의 가능성을 열었습니다. 관심이 있으신 분들은 이 백서로 이동하실 수도 있습니다.
많은 사람들이 여전히 이 기술을 어디에 사용할 수 있는지, 즉 완전 동형 암호화(FHE)가 필요한 시나리오에는 어떤 것이 있는지 혼란스러워하고 있습니다.
예를 들어 AI를 들 수 있습니다.
강력한 AI를 위해서는 충분한 데이터를 제공해야 하지만 대부분의 데이터의 개인정보 가치가 너무 높다는 것은 누구나 알고 있습니다. 하지만 많은 데이터의 개인정보 보호 가치는 너무 높습니다. 그렇다면 FHE로 두 가지를 모두 달성할 수 있을까요?
정답은 '그렇다'입니다.
(1) FHE 방식으로 민감한 데이터를 암호화하고, (2) 암호화된 데이터를 AI에 제공하여 계산하도록 하고, (3) AI가 아무도 알아들을 수 없는 횡설수설한 내용을 뱉어내면 됩니다.
데이터는 본질적으로 벡터이기 때문에 비지도 AI가 이 작업을 수행할 수 있으며, 특히 GPT와 같은 생성형 AI는 우리가 무엇을 입력하는지 이해하지 못하고 벡터를 통해 무엇을 말해야 할지 '예측'할 뿐입니다. 벡터를 통해 대답해야 할 내용을 '예측'할 뿐입니다.
그러나 이 쓰레기는 몇 가지 수학적 규칙을 따르고 있고, 이를 암호화한 사람이 바로 여러분이기 때문에 (4) 여러분은 네트워크 연결을 끊고 앨리스처럼 로컬에서 쓰레기를 복호화할 수 있으며, (5) 로컬에서 쓰레기를 복호화하는 목표를 달성했고, (6) 앨리스처럼 로컬에서 쓰레기를 복호화하는 목표를 달성한 것입니다. (5) 민감한 데이터를 전혀 처리할 필요 없이 AI의 방대한 컴퓨팅 성능을 사용하여 계산을 대신 수행하도록 한 경우입니다.
AI는 이제 프라이버시를 포기해야 합니다. 사용자가 명시적으로 GPT에 제공하는 모든 것을 생각해보세요! 이를 달성하기 위해서는 FHE가 아닙니다.
이것이 바로 AI와 FHE의 자연스러운 결합의 근간이며, 한 마디로 둘 다입니다.
FHE는 AI와 연결되어 있고 암호화폐와 AI를 모두 아우르기 때문에 자연스럽게 더 많은 주목을 받고 있으며, Zama, Privasea, Mind Network, Fhenix, Sunscreen 등과 같은 수많은 FHE 프로젝트가 창의적인 FHE 애플리케이션 방향을 제시하고 있습니다. FHE 애플리케이션의 방향도 창의적입니다.
오늘은 그 중 하나인 @Privasea_ai 프로젝트를 살펴보겠습니다.
이 프로젝트는 Coin이 주도하는 FHE 프로젝트로, 백서에서 얼굴 인식과 같은 매우 관련성 높은 시나리오를 설명합니다.
두 가지 모두: 기계의 연산을 통해 그 사람이 실제 사람인지 여부를 판단할 수 있고, 기계는 얼굴에 민감한 정보를 처리하지 않습니다.
FHE를 도입하면 이러한 딜레마를 해결할 수 있습니다.
그러나 실제 FHE 계산을 수행하려면 많은 컴퓨팅 성능이 필요합니다. 결국 Alice는 계산, 암호화, 복호화 측면에서 모두 전력 소모가 많은 프로세스인 "임의의" 덧셈과 곱셈 암호화를 수행해야 합니다.
따라서 강력한 컴퓨팅 성능의 네트워크와 지원 시설이 필요합니다. 따라서 프리바세아는 이러한 산술적 네트워크 문제를 해결하기 위해 작업증명+지분증명 네트워크 아키텍처를 제안했습니다.
최근 Privasea는 WorkHeart USB라는 자체 PoW 하드웨어를 발표했는데, 이는 Privasea의 산술 네트워크를 위한 지원 시설 중 하나로 해석할 수 있지만 물론 단순히 채굴기로 이해하시면 됩니다.
초기 가격은 0.2 ETH로, 네트워크 전체 토큰의 6.66%를 채굴할 수 있습니다.
그리고 "작업 허가증"이라고 할 수 있는 지분 증명 방식의 자산인 스타퓨엘 NFT도 있으며, 총 5,000개에 달합니다.
초기 가격은 0.2 ETH이며, 에어드랍을 통해 네트워크 전체 토큰의 0.75%를 받을 수 있습니다.
이 NFT는 지분 증명과 비슷하지만 진정한 지분 증명은 아니며, 미국에서 지분 증명이 증권이냐는 질문을 피하려고 한다는 점에서도 흥미롭습니다.
이 NFT는 Privasea 토큰을 담보로 하는 사용자를 지원하지만, PoS 수익을 창출하는 대신 번들로 제공되는 USB 장치의 채굴 효율을 두 배로 높여주므로 위장한 PoS입니다.
PS: 전에도 이 프로젝트에 투자한 적이 있어서 할인된 민트 얼리버드 초대 코드 siA7P0을 가지고 있습니다 https://nft.privasea.ai/WorkHeartNFT 에서 받으세요
본론으로 돌아가서, AI가 정말 FHE 기술을 대규모로 대중화할 수 있다면 AI 자체에 큰 기회가 될 것입니다. 현재 많은 국가들이 AI를 규제할 때 데이터 보안과 데이터 프라이버시에 초점을 맞추고 있다는 점을 고려하면 AI 자체에 큰 도움이 될 것입니다.
예를 들어 러시아 군대도 러시아-우크라이나 전쟁에서 AI를 사용하려고 하지만 미국 배경을 가진 AI 회사가 많기 때문에 정보 커뮤니티에 침투할 가능성이 높습니다.
그러나 AI를 사용하지 않는다면 당연히 뒤처질 수밖에 없습니다. 지금은 그 격차가 작을지 몰라도 10년만 더 지나면 AI가 없는 세상은 상상할 수 없을지도 모릅니다.
그 결과 국가 간 전쟁과 분쟁에서 휴대폰 잠금 해제에 이르기까지 데이터 프라이버시는 우리 생활의 모든 곳에 존재합니다.
AI 시대에 FHE 기술이 진정으로 성숙할 수 있다면 의심할 여지 없이 인류를 위한 최후의 방어선이 될 것입니다.
JinseFinance
