Phân tích mã hóa đồng hình hoàn toàn mới xuất hiện gần đây trong blockchain

Giới thiệu Mã hóa hoàn toàn đồng hình (FHE): Khám phá các ứng dụng thú vị, những hạn chế và những phát triển gần đây thúc đẩy sự phổ biến của nó.

Khi lần đầu tiên tôi nghe về "Mã hóa hoàn toàn đồng hình" (FHE), tôi đã tò mò về xu hướng đặt tên dài cho các khái niệm thời thượng trong lĩnh vực blockchain. Trong những năm qua, chúng tôi đã gặp nhiều từ thông dụng đã gây bão trong ngành, gần đây nhất là “bằng chứng không có kiến ​​thức” (ZKP).

Sau một số nghiên cứu và khám phá các công ty mới đang xây dựng sản phẩm bằng FHE, tôi nhận thấy một khách hàng tiềm năng có một bộ công cụ hoàn toàn mới. Trong những tháng và năm tới, FHE có thể trở thành công nghệ lớn tiếp theo tạo nên cơn bão trong ngành, giống như ZKP. Công ty đang tận dụng những tiến bộ mới nhất về mật mã và các lĩnh vực khác nhau của điện toán đám mây để mở đường cho một tương lai mạnh mẽ, được bảo vệ quyền riêng tư dữ liệu. Câu hỏi không phải là liệu chúng ta có thể đạt được điều này hay không mà là khi nào và tôi tin rằng FHE có thể là nhân tố chính thúc đẩy sự tiến bộ trong quyền riêng tư và quyền sở hữu dữ liệu.

Trong vài tuần tới, tôi sẽ đi sâu vào tìm hiểu thêm về FHE và xem xét những hạn chế, tiềm năng và ứng dụng của nó. Tôi sẽ chia sẻ kết quả nghiên cứu của mình trong một loạt bài viết khám phá các khía cạnh khác nhau của cuộc trò chuyện xung quanh FHE. Tuần này, tôi sẽ giới thiệu công nghệ này và thảo luận lý do tại sao gần đây nó lại nhận được nhiều sự chú ý. Nhiều người trong ngành đang nói về nó, bao gồm cả Kyle Samani từ Multicoin Capital^[4], người đã nói:

"FHE là thánh chén thánh của mật mã. Theo thời gian, FHE sẽ định hình lại cấu trúc của tất cả các máy tính, cho dù là trong web2 hay web3 ”

Tính đồng hình là gì?

Chìa khóa để giải quyết vấn đề là hiểu ý nghĩa của "đồng hình". Truy tìm nguồn gốc của nó, thuyết đồng cấu bắt nguồn từ toán học và được định nghĩa là ánh xạ giữa hai cấu trúc đại số cùng loại bảo toàn các thành phần cốt lõi.

Nếu bạn, giống như tôi, thích một định nghĩa thực tế hơn, thì nguyên tắc cơ bản đằng sau toán học là hai nhóm không cần phải giống hệt nhau để có cùng Thuộc tính cốt lõi . Ví dụ: hãy tưởng tượng hai hộp trái cây:

Hộp A chứa các loại trái cây nhỏ.
Hộp B chứa quả lớn.

Việc ép một quả táo nhỏ và một quả cam nhỏ vào hộp A sẽ tạo ra hỗn hợp nước ép có hương vị giống như việc ép một quả táo lớn và một quả cam lớn vào hộp B, mặc dù từng loại trái cây có kích thước khác nhau . Việc ép nước trái cây để tạo ra hương vị giống nhau cũng giống như việc bảo quản thành phần cốt lõi giữa hai hộp. Giả sử trọng tâm chính của chúng ta là cùng một hương vị, thì việc chúng ta ép nước ép từ hộp nào không quan trọng vì số lượng nước trái cây không phải là trọng tâm của chúng ta. Khi đề cập đến (hương vị), hai hộp tương đương nhau, do đó sự khác biệt giữa chúng (kích thước và số lượng) không ảnh hưởng đến chức năng chính của chúng (tạo ra hương vị nước ép cụ thể).

Bằng cách tương tự với thuyết đồng hình, chúng ta nắm bắt được hai đặc điểm chính của nó:

< li>

Ánh xạ: Chúng ta thiết lập kết nối giữa hai hộp. Mỗi quả nhỏ trong hộp A tương ứng với một phiên bản lớn hơn trong hộp B. Do đó, quả táo nhỏ ở hộp A tương ứng với quả táo lớn ở hộp B, v.v.

1. Bảo lưu thao tác: Nếu ép hai quả nhỏ ở hộp A sẽ cho ra nước ép có mùi vị đặc trưng thì ở hộp B Ép chúng các phiên bản lớn hơn tương ứng sẽ tạo ra hương vị tương tự. Mặc dù kích thước và số lượng nước ép khác nhau nhưng "hương vị" vẫn được giữ nguyên.

Mã hóa đồng hình hoàn toàn là gì?

Để gắn tất cả những điều này vào chủ đề trung tâm của bài viết này, Mã hóa đồng hình hoàn toàn^[6] (FHE) là một dữ liệu A cụ thể phương thức mã hóacho phép một người thực hiện tính toán trên dữ liệu được mã hóa mà không tiết lộ dữ liệu gốc. Về lý thuyết, việc phân tích và tính toán được thực hiện trên dữ liệu được mã hóa sẽ tạo ra kết quả tương tựnhư được thực hiện trên dữ liệu gốc. Với FHE, chúng tôi thiết lập mối quan hệ 1:1 giữa dữ liệu trong tập dữ liệu được mã hóa và dữ liệu trong tập dữ liệu gốc. Trong trường hợp này, thành phần cốt lõi được giữ lại là khả năng thực hiện bất kỳ phép tính nào trên cả hai tập dữ liệu và tạo ra kết quả tương tự.

Trong bối cảnh này, nhiều công ty đã thực hiện các biện pháp phòng ngừa để bảo vệ dữ liệu người dùng và duy trì quyền riêng tư khác biệt. Các công ty hiếm khi lưu trữ dữ liệu trên đám mây hoặc trong cơ sở dữ liệu của họ ở dạng ban đầu, không được mã hóa. Vì vậy, ngay cả khi kẻ tấn công nắm quyền kiểm soát máy chủ của công ty, chúng vẫn phải vượt qua mã hóa để đọc và truy cập dữ liệu. Tuy nhiên, dữ liệu không còn thú vị nữa khi nó chỉ đơn thuần được mã hóa và không hoạt động. Khi các công ty muốn phân tích dữ liệu để rút ra những hiểu biết có giá trị, họ không có lựa chọn nào khác ngoài việc giải mã nó. Sau khi được giải mã, dữ liệu sẽ trở nên dễ bị tấn công. Tuy nhiên, với mã hóa đầu cuối, FHE trở nên cực kỳ hữu ích vì chúng ta không cần phải giải mã dữ liệu để phân tích nữa; điều này chỉ tiết lộ phần nổi của tảng băng trôi về những gì có thể xảy ra.

Điều quan trọng cần cân nhắc là liệu các công ty có được phép đọc và lưu trữ thông tin cá nhân của chúng ta hay không. Phản hồi tiêu chuẩn của nhiều người là các công ty cần xem dữ liệu của chúng tôi để phục vụ chúng tôi tốt hơn.

Nếu YouTube không lưu trữ dữ liệu như lịch sử xem và tìm kiếm của tôi thì thuật toán sẽ không thể phát huy tối đa khả năng hiển thị những video mà tôi quan tâm . Do đó, nhiều người tin rằng sự đánh đổi giữa quyền riêng tư dữ liệu và khả năng tiếp cận các dịch vụ tốt hơn là xứng đáng. Tuy nhiên, với FHE, chúng ta không còn phải đánh đổi điều này nữa. Các công ty như YouTube có thể đào tạo thuật toán của họ trên dữ liệu được mã hóa và tạo ra kết quả tương tự cho người dùng cuối mà không vi phạm quyền riêng tư dữ liệu. Cụ thể, họ có thể mã hóa đồng nhất thông tin như lịch sử xem và tìm kiếm của tôi, phân tích thông tin đó mà không cần phải xem, sau đó hiển thị cho tôi các video mà tôi quan tâm dựa trên phân tích đó.

FHE là một bước quan trọng hướng tới một tương lai nơi dữ liệu của chúng tôi không còn là hàng hóa có giá trị mà chúng tôi tự nguyện cung cấp miễn phí cho các tổ chức.

Ứng dụng mã hóa đồng cấu hoàn toàn

Ứng dụng đúng của mã hóa đồng cấu hoàn toàn (FHE) là Bước đột phá trong mọi lĩnh vực lưu trữ dữ liệu người dùng. Chúng tôi đang xem xét một công nghệ có thể thay đổi toàn bộ thái độ của chúng ta đối với quyền riêng tư dữ liệu và các giới hạn về sự xâm nhập có thể chấp nhận được của các công ty.

Hãy bắt đầu bằng cách kiểm tra xem FHE đang định hình lại các hoạt động xử lý dữ liệu trong ngành chăm sóc sức khỏe như thế nào^[7]. Nhiều bệnh viện lưu giữ hồ sơ riêng tư của bệnh nhân trong cơ sở dữ liệu của họ và họ phải giữ bí mật vì lý do đạo đức và pháp lý. Tuy nhiên, thông tin này có giá trị đối với các nhà nghiên cứu y tế bên ngoài, những người có thể phân tích dữ liệu để rút ra những hiểu biết quan trọng về bệnh tật và các phương pháp điều trị tiềm năng. Trở ngại lớn làm chậm tiến độ nghiên cứu là việc duy trì tính bảo mật tuyệt đối của dữ liệu bệnh nhân khi giao dữ liệu cho các nhà nghiên cứu. Có nhiều cách để ẩn danh hoặc giả ẩn danh hồ sơ bệnh nhân. Nhưng chúng không hoàn hảo và có thể tiết lộ quá nhiều về ai đó để khiến họ có thể nhận dạng được hoặc không đủ thông tin về trường hợp của họ khiến khó có được những hiểu biết chính xác về căn bệnh này. Sử dụng mã hóa đồng hình hoàn toàn (FHE), bệnh viện có thể mã hóa dữ liệu bệnh nhân, giúp bảo vệ quyền riêng tư của bệnh nhân trên đám mây dễ dàng hơn. Các nhà nghiên cứu y tế có thể thực hiện tính toán và chạy các chức năng phân tích trên dữ liệu được mã hóa mà không ảnh hưởng đến quyền riêng tư của bệnh nhân. Vì có sự ánh xạ một-một giữa tập dữ liệu được mã hóa và dữ liệu gốc nên kết quả thu được từ tập dữ liệu được mã hóa cung cấp những hiểu biết thực tế có thể áp dụng cho các trường hợp trong thế giới thực. FHE có thể nhanh chóng thúc đẩy ngành chăm sóc sức khỏe.

Một ứng dụng thú vị khác của FHE là đào tạo trí tuệ nhân tạo (AI). Hiện tại, lĩnh vực trí tuệ nhân tạo phải đối mặt với các vấn đề về quyền riêng tư khiến các công ty không thể truy cập vào nhiều bộ dữ liệu mở rộng được sử dụng để tinh chỉnh các thuật toán AI. Các công ty đào tạo AI phải lựa chọn giữa việc sử dụng các tập dữ liệu công khai hạn chế, trả số tiền lớn cho các tập dữ liệu riêng tư hoặc tạo các tập dữ liệu, điều này có thể là thách thức đối với các công ty nhỏ hơn với ít người dùng hơn. FHE nên giải quyết những lo ngại về quyền riêng tư ngăn cản nhiều nhà cung cấp dữ liệu tham gia thị trường. Do đó, những cải tiến trong FHE có thể dẫn đến tăng số lượng bộ dữ liệu có sẵn để đào tạo AI. Điều này sẽ làm cho việc đào tạo AI trở nên phức tạp và dễ tiếp cận hơn về mặt tài chính khi tính đa dạng của các bộ dữ liệu sẵn có tăng lên.

Những hạn chế trong quá khứ của mã hóa đồng cấu hoàn toàn

Nếu mã hóa đồng cấu hoàn toàn (FHE) thực sự lớn dữ liệu có thể biến đổi thời hiện đại, vậy tại sao chúng ta chưa thấy nhiều ứng dụng thực tế hơn?

Mặc dù người ta đã thảo luận và nghiên cứu FHE từ nhiều năm nay nhưng trên thực tế, việc triển khai FHE vào thực tế là rất khó. Thách thức cốt lõi nằm ở sức mạnh tính toán cần thiết để thực hiện FHE. Các bộ dữ liệu an toàn đồng nhất hoàn toàn có thể tạo ra kết quả phân tích giống hệt với dạng dữ liệu ban đầu của chúng. Đây là một kỳ công đầy thách thức đòi hỏi tốc độ và sức mạnh tính toán đáng kể, nhiều tính năng trong số đó không thể thực hiện được trên các máy tính hiện có. Một thao tác thường mất vài giây trên dữ liệu thô có thể mất hàng giờ hoặc thậm chí vài ngày trên các tập dữ liệu được mã hóa đồng hình. Thử thách tính toán này tạo ra một chu kỳ tự kéo dài trong đó nhiều kỹ sư trì hoãn việc thực hiện các dự án FHE, do đó làm chậm quá trình phát triển và hạn chế việc hiện thực hóa toàn bộ lợi ích của chúng.

Một ví dụ cụ thể về vấn đề tính toán mà các kỹ sư gặp phải trong FHE là cách giải quyết "lỗi nhiễu^[8]". Khi thực hiện các phép tính trên các tập dữ liệu được mã hóa đồng cấu, nhiều kỹ sư tạo ra tiếng ồn hoặc lỗi không mong muốn mỗi khi thực hiện phép tính. Điều này có thể chấp nhận được khi chỉ cần một vài phép tính, nhưng sau nhiều lần phân tích, nhiễu có thể trở nên rõ ràng đến mức dữ liệu thô trở nên khó hiểu. Dữ liệu gần như bị mất.

Tại sao lại là bây giờ?

Giống như trí tuệ nhân tạo tổng hợp ^[9] từng bị coi là hạn chế và thô sơ nhưng sau đó đã trở thành xu hướng chủ đạo, Mã hóa hoàn toàn đồng hình (FHE) là hướng tới sự tiến bộ tương tự. Nhiều nhà lãnh đạo ngành, thậm chí ngoài không gian blockchain, đã cùng nhau tổ chức một lượng lớn nghiên cứu và phát triển của FHE. Điều này đã góp phần vào một số phát triển gần đây của ngành, thúc đẩy những câu chuyện hấp dẫn về sự tiến bộ của công nghệ.

Sáng kiến ​​DPRIVE

Tháng 3 năm 2021, Microsoft, Intel và Cơ quan Dự án Nghiên cứu Quốc phòng Tiên tiến (DARPA) ) đã đồng ý triển khai chương trình kéo dài nhiều năm ^[10] để đẩy nhanh quá trình phát triển mã hóa đồng cấu hoàn toàn (FHE). Sáng kiến ​​này có tên Bảo vệ dữ liệu trong môi trường ảo (DPRIVE), đánh dấu một bước phát triển lớn của FHE. Nó giới thiệu hai gã khổng lồ trong ngành chuyên về điện toán đám mây và phần cứng máy tính hợp tác để giải quyết các vấn đề về quyền riêng tư dữ liệu. Họ đã khởi chạy chương trình, xây dựng máy tính và phần mềm có khả năng quản lý tốc độ tính toán của FHE, đồng thời phát triển các hướng dẫn triển khai FHE chính xác nhằm ngăn chặn khả năng vi phạm dữ liệu do sử dụng không đúng cách.

Là một phần của sáng kiến ​​DPRIVE, các kỹ sư đã bắt đầu giải quyết "lỗi tiếng ồn" được đề cập trước đó, tìm cách giảm mức độ tiếng ồn để bảo toàn dữ liệu gốc. Một giải pháp đầy hứa hẹn là thiết kế cách biểu diễn dữ liệu Kích thước từ số học lớn ^[11] (LAWS). Trong khi bộ xử lý máy tính (CPU) truyền thống thường sử dụng kích thước từ 64 bit, các kỹ sư đang phát triển phần cứng mới với LAWS có thể xử lý kích thước từ 1024 bit trở lên. Cách tiếp cận này hiệu quả vì nghiên cứu cho thấy độ dài từ dài hơn ảnh hưởng trực tiếp đến tỷ lệ tín hiệu trên nhiễu. Nói một cách đơn giản, độ dài từ dài hơn tạo ra ít nhiễu hơn với mỗi phép tính bổ sung trong FHE, cho phép thực hiện nhiều phép tính hơn trước khi đạt đến ngưỡng mất dữ liệu. Bằng cách xây dựng phần cứng mới để giải quyết những thách thức này, các kỹ sư tham gia chương trình DPRIVE đã giảm đáng kể khối lượng tính toán cần thiết để thực hiện FHE.

Để tăng tốc độ tính toán và tiến gần hơn đến mục tiêu làm cho FHE nhanh hơn 100.000 lần, nhóm DPRIVE đã bắt đầu một hành trình liên tục nhằm thiết kế các hệ thống xử lý dữ liệu mới vượt xa hơn thế khả năng xử lý truyền thống và đơn vị đồ họa. Họ đã phát triển một hệ thống Nhiều lệnh Nhiều dữ liệu ^[12] (MIMD) mới có thể quản lý đồng thời nhiều lệnh và tập dữ liệu. MIMD giống như xây dựng một đường cao tốc mới, thay vì sử dụng những con đường hiện có chưa được trang bị đầy đủ để đáp ứng lưu lượng giao thông cần thiết cho các tính toán nhanh, theo thời gian thực của FHE.

Điều thú vị về dự án DPRIVE là việc sử dụng rộng rãi "sự song song^[13]" trong các phép tính toán học trên máy tính. Điều này cho phép các nhà phát triển thực hiện đồng thời nhiều phép tính số lượng lớn. Bạn có thể hình dung sự song song như việc triển khai một nhóm các nhà toán học để giải quyết các phần khác nhau của một vấn đề toán học lớn cùng một lúc, thay vì bắt họ thực hiện công việc của mình lần lượt. Mặc dù thực hiện nhiều phép tính cùng lúc có thể giúp giải quyết vấn đề nhanh chóng nhưng máy tính phải được làm mát bằng không khí để tránh quá nóng.

Vào tháng 9 năm 2022, một năm rưỡi sau khi triển khai chương trình, Microsoft, Intel và DARPA đã thông báo ^[14] rằng họ đã có đã thành công Đã hoàn thành giai đoạn đầu tiên của chương trình DPRIVE. Họ hiện đang ở giai đoạn thứ hai của DPRIVE. Intel cũng ra mắt ^[15] bộ công cụ mã hóa đồng cấu hoàn toàn của riêng mình nhằm cung cấp cho các nhà phát triển các công cụ hỗ trợ quá trình mã hóa đồng cấu hoàn toàn nhanh hơn trên đám mây. Intel đã thiết kế bộ công cụ này để đảm bảo khả năng tương thích với những tiến bộ mới nhất trong xử lý dữ liệu và điện toán. Nó bao gồm các tính năng đặc biệt được thiết kế riêng cho mật mã mạng, tích hợp với Microsoft Seal hoạt động liền mạch, các mẫu sơ đồ mã hóa đồng cấu hoàn toàn và tài liệu kỹ thuật để hướng dẫn người dùng.

Tham gia và tính toán riêng tư của Google^[16] Thư viện nguồn mở cung cấp cho các nhà phát triển các công cụ tính toán nhiều bên (MPC). Cách tiếp cận tính toán này cho phép các bên có được những hiểu biết sâu sắc được chia sẻ bằng cách hợp nhất các tập dữ liệu khác nhau của họ mà không làm lộ dữ liệu gốc cho nhau. Tham gia và tính toán riêng tư kết hợp công nghệ mã hóa từ FHE với Giao lộ tập hợp riêng tư (PSI) để tối ưu hóa các biện pháp bảo mật dữ liệu. PSI là một phương pháp mã hóa khác cho phép các bên có các bộ dữ liệu khác nhau xác định các phần tử hoặc điểm dữ liệu chung mà không tiết lộ dữ liệu của họ. Phương pháp nâng cao quyền riêng tư dữ liệu của Google không chỉ tập trung vào FHE; nó còn ưu tiên các khái niệm MPC rộng hơn bằng cách tích hợp FHE với các phương pháp xử lý dữ liệu có tác động khác.

Sự sẵn có ngày càng tăng của thư viện nguồn mở được đánh giá cao dành cho mã hóa đồng cấu hoàn toàn là điều đáng chú ý. Tuy nhiên, tình hình càng trở nên hấp dẫn hơn khi quan sát thấy các công ty được đánh giá cao đang thử nghiệm các thư viện này trong hoạt động của họ. Vào tháng 4 năm 2021, Nasdaq, một tổ chức công nghệ thị trường vốn và sàn giao dịch chứng khoán nổi tiếng toàn cầu, đã tích hợp ^[17] FHE vào hoạt động của mình. Nasdaq tận dụng các công cụ FHE và bộ xử lý tốc độ cao của Intel để chống lại tội phạm tài chính bằng các nỗ lực chống rửa tiền và phát hiện gian lận bằng cách sử dụng mã hóa đồng hình hoàn toàn để xác định những hiểu biết có giá trị và hoạt động bất hợp pháp tiềm ẩn trong các tập dữ liệu chứa thông tin nhạy cảm.

Nguồn tài chính gần đây

Ngoài hoạt động nghiên cứu và phát triển do các công ty đề cập trước đó thực hiện, Có một số công ty khác gần đây đã nhận được nguồn tài trợ đáng kể cho các sáng kiến ​​tập trung vào mã hóa đồng hình hoàn toàn (FHE).

Cornami^[18], một công ty công nghệ lớn được công nhận vì đi tiên phong trong việc phát triển đám mây có thể mở rộng được thiết kế để mã hóa hoàn toàn đồng hình. Được trao giải cho điện toán công nghệ. Họ đang tham gia vào nhiều nỗ lực nhằm tạo ra các hệ thống máy tính hỗ trợ FHE hiệu quả hơn các CPU truyền thống. Họ cũng chỉ đạo các sáng kiến ​​nhằm bảo vệ dữ liệu được mã hóa khỏi các mối đe dọa của điện toán lượng tử. Vào tháng 5 năm 2022, Cornami công bố ^[19] một vòng cấp vốn Series C thành công do Softbank dẫn đầu, huy động được 68 triệu USD, nâng tổng số tiền tài trợ lên 150 triệu USD.

Zama^[20] là một công ty khác trong ngành blockchain đang xây dựng một công cụ mã hóa đồng nhất hoàn toàn nguồn mở mà các nhà phát triển có thể tận dụng những công cụ này các công cụ để xây dựng các ứng dụng thú vị sử dụng FHE, blockchain và trí tuệ nhân tạo. Zama đã phát triển Máy ảo Ethereum đồng hình hoàn toàn (fhEVM) như một trong những sản phẩm của mình. Giao thức hợp đồng thông minh này cho phép dữ liệu giao dịch trên chuỗi vẫn được mã hóa trong quá trình xử lý. Các nhà phát triển đã khám phá việc sử dụng thư viện Zama cho nhiều ứng dụng khác nhau đều rất ấn tượng với hiệu suất của nó, ngay cả trong những trường hợp sử dụng phức tạp. Zama đã hoàn tất thành công vòng tài trợ Series A trị giá 42 triệu đô la vào tháng 2 năm 2022 ^[21] do Protocol Labs dẫn đầu, nâng tổng số tiền tài trợ của nó lên 50 triệu đô la.

Fhenix^[22] cũng là một dự án mới nổi giới thiệu FHE cho blockchain. Mục tiêu của họ là mở rộng các ứng dụng FHE ngoài các khoản thanh toán bí mật, mở ra các trường hợp sử dụng thú vị cho FHE trong các lĩnh vực như tài chính phi tập trung (DeFi), bắc cầu, bỏ phiếu quản trị và trò chơi Web3^[23]Mở cửa. Vào tháng 9 năm 2023, Fhenix thông báo ^[24] rằng họ đã hoàn thành thành công vòng tài trợ hạt giống trị giá 7 triệu đô la, do Multicoin Capital và Collider Ventures dẫn đầu.

Điều gì xảy ra tiếp theo?

Trong nhiều năm, mã hóa đồng hình hoàn toàn (FHE) là một ý tưởng hứa hẹn mã hóa đầu cuối mạnh mẽ, báo trước tương lai của quyền riêng tư dữ liệu mạnh mẽ. Những phát triển gần đây đã bắt đầu biến FHE từ giấc mơ lý thuyết thành hiện thực thực tế. Trong khi các công ty chạy đua để trở thành người đầu tiên triển khai phiên bản FHE mạnh mẽ, đầy đủ chức năng, nhiều công ty đang hợp tác để giải quyết sự phức tạp của công nghệ mạnh mẽ này. Tinh thần hợp tác này được thể hiện rõ qua việc triển khai nhiều sáng kiến ​​liên nhóm khác nhau và phát triển các thư viện nguồn mở tích hợp với các thư viện khác.

Dựa trên nghiên cứu của tôi, cuộc thảo luận xung quanh FHE có vẻ rất sâu rộng. Trong vài tuần tới, tôi rất vui được tìm hiểu sâu hơn và chia sẻ nhiều hiểu biết sâu sắc hơn từ nghiên cứu FHE của mình. Cụ thể, tôi rất nóng lòng muốn khám phá các chủ đề sau:

Các ứng dụng mới nổi của FHE.

Tương tác giữa bằng chứng không có kiến ​​thức (ZKP) và FHE.

Tích hợp FHE với Giao lộ tập hợp riêng tư (PSI) để nâng cao khả năng tính toán an toàn của nhiều bên (MPC).

Các công ty mới như Zama và Fhenix đang tiên phong phát triển trong không gian FHE.

Trích dẫn:

Arampatzis, Anastasios "Những phát triển gần đây về mã hóa hoàn toàn đồng hình." Venafi , ngày 1 tháng 2 năm 2022, venafi.com/blog/what-are-latest-developments-homomorphic-encryption-ask-experts/.

Arampatzis, Anastasios. “Mã hóa đồng cấu hoàn toàn là gì và cách sử dụng nó.” Venafi, ngày 28 tháng 4 năm 2023, venafi.com/blog/homomorphic-encryption-what-it-and-how-it-used/.

"Xây dựng phần cứng để bảo vệ dữ liệu liên tục." DARPA, ngày 2 tháng 3 năm 2020, www.darpa.mil/news-events/. 2020-03-02.^[25]

Cristobal, Samuel. “Mã hóa hoàn toàn đồng hình: Chén thánh của mật mã ” < em>Datascience.Aero, ngày 7 tháng 1 năm 2021, datascience.aero/full-homomorphic-encryption-the-holy-grail-of-cryptography/.

"Mã hóa hoàn toàn đồng hình: Nó là gì và tại sao nó quan trọng?" Internet Society, ngày 9 tháng 3 năm 2023, www.internetsociety.org/resources/doc/2023/homomorphic-encryption/. ^[26]

Hunt, James. “FHENIX được dẫn dắt bởi Multicoin Capital Vòng hạt giống đã huy động được 7 triệu đô la. ” The Block, The Block, ngày 26 tháng 9 năm 2023, www.theblock.co/post/252931/fhenix-seed-multicoin-capital.^[27]< /p >

"Bộ công cụ mã hóa hoàn toàn đồng nhất của Intel®. ” Intel, www.intel.com/content/www/us/en/developer/tools/homomorphic-encryption/overview.html#gs.fu55im.^[28] Truy cập ngày 8 tháng 10 năm 2023

"Intel hợp tác với Microsoft trong dự án DARPA. ” Intel, ngày 8 tháng 3 năm 2021, www.intel.com/content/www/us/en/newsroom/news/intel-collaborate-microsoft-darpa-program.html#gs.ftusxq .^[29] “Nghiên cứu và phát triển mã hóa đồng hình từ Intel đến NASDAQ đã mang lại tiến bộ. ” Intel, ngày 6 tháng 4 năm 2021, www.intel.com/content/www/us/en/newsroom/news/xeon-advances-nasdaqs-homomorphic-encryption-rd.html#gs .6mpgme. ^[30]

Johnson, Rick. “Intel hoàn thành cột mốc giai đoạn 1 của DARPA DPRIVE, đạt được nền tảng mã hóa hoàn toàn đồng nhất. ” Intel, ngày 14 tháng 9 năm 2022, Community.intel.com/t5/Blogs/Products-and-Solutions/HPC/Intel-Completes-DARPA-DPRIVE-Phase-One-Milestone-for -a -Fully/post/1411021.

"Microsoft Seal: thư viện mã hóa đồng hình nhanh chóng và dễ sử dụng. ” Nghiên cứu của Microsoft, ngày 4 tháng 1 năm 2023, www.microsoft.com/en-us/research/project/microsoft-seal/.^[31]

< p style="text-align: left;">Paillier, Tiến sĩ Pascal. “Mã hóa hoàn toàn đồng hình: Chén thánh của mật mã. ” Tuổi kinh doanh, ngày 9 tháng 3 năm 2023, www.businessage.com/post/ful-homomorphic-encryption-the-holy-grail-of-cryptography^[32]

Samani, Kyle “Bình minh của FHE trên chuỗi. ” Vốn Multicoin, ngày 26 tháng 9 năm 2023, https://multicoin.capital/2023/09/26/the-dawn-of-on-chain-fhe/

"Mã hóa đồng hình hoàn toàn là gì? ” Inpher, ngày 11 tháng 4 năm 2021, https://inpher.io/technology/what-is-full-homomorphic-encryption/