Hiện trạng, cảnh quan sinh thái và những thách thức trong tương lai của FHE

Tác giả: Poopman, Ouro Research; Bản dịch: 0xjs@金财经

FHE mở ra khả năng thực hiện các phép tính trên dữ liệu được mã hóa mà không cần giải mã.

Khi kết hợp với blockchain, MPC, ZKP (khả năng mở rộng), FHE cung cấp tính bảo mật cần thiết và hỗ trợ nhiều trường hợp sử dụng trên chuỗi khác nhau.

Bài viết này tóm tắt ngắn gọn thực trạng hiện nay của FHE.

Tôi sẽ giới thiệu: 1. Nền tảng của FHE 2. FHE hoạt động như thế nào? 3. 5 lĩnh vực trong hệ sinh thái FHE 4. Những thách thức và giải pháp hiện tại của FHE;

1. Bối cảnh

FHE được đề xuất lần đầu tiên vào năm 1978. Tuy nhiên, do độ phức tạp tính toán cao nên nó không thực tế trong một thời gian dài và vẫn chỉ ở mức lý thuyết.

Mãi đến năm 2009, Craig mới phát triển được một mô hình khả thi cho FHE, và kể từ đó mối quan tâm nghiên cứu về FHE đã tăng vọt.

Vào năm 2020, Zama đã ra mắt TFHE và fhEVM, khiến FHE trở thành tâm điểm chú ý trong lĩnh vực mã hóa.

Kể từ đó, chúng ta đã chứng kiến ​​sự xuất hiện của FHE L1/L2 tương thích EVM nói chung như Fhenix, Inco Network và trình biên dịch FHE Sunscreen Tech.

2. FHE hoạt động như thế nào?

Bạn có thể tưởng tượng một chiếc hộp mù chứa các câu đố bên trong. Tuy nhiên, chiếc hộp mù không thể học được gì về câu đố mà bạn đưa ra nhưng nó vẫn có thể tính toán kết quả.

Một số trường hợp sử dụng của FHE bao gồm: tính toán quyền riêng tư trên chuỗi, mã hóa dữ liệu trên chuỗi, hợp đồng thông minh riêng tư trên mạng công cộng, ERC20 bí mật, bỏ phiếu riêng tư, đấu giá mù NFT, MPC an toàn hơn, chạy trước bảo vệ giao dịch, cầu nối không cần tin cậy và hơn thế nữa.

3. Hệ sinh thái FHE

Nhìn chung, mô hình của FHE trên chuỗi có thể được tóm tắt thành 5 lĩnh vực: 1. FHE chung 2. FHE/HE cho các trường hợp sử dụng cụ thể (ứng dụng); Phần cứng tăng tốc FHE; 4. FHE với AI; 5. Các giải pháp thay thế

1. Chuỗi khối FHE phổ quát và các công cụ

Chúng là xương sống để đạt được tính bảo mật của chuỗi khối. Điều này bao gồm SDK, bộ đồng xử lý, trình biên dịch, môi trường thực thi mới, chuỗi khối, mô-đun FHE...

Thử thách lớn nhất: đưa FHE lên EVM, còn gọi là fhEVM.

Bao gồm:

fhEVM: Zama, Fhenix, mạng Inco, Fair Math

Công cụ/cơ sở hạ tầng FHE: Octra, Sunscreen Tech, Fairblock, Dero, Arcium (trước đây là Elusiv), Shibarium

Sau đây là bản tóm tắt một câu của từng dự án.

2. FHE/HE cho các ứng dụng có mục đích đặc biệt

Penum: Cosmo dex chuỗi chéo (chuỗi ứng dụng) sử dụng tFHE để trao đổi/tổng ​​hợp được bảo vệ.

zkHoldem: Trò chơi poker trên Manta Network sử dụng HE và ZKP để chứng minh tính công bằng của trò chơi.

3. Phần cứng tăng tốc

Mỗi khi bạn sử dụng FHE cho các tính toán chuyên sâu (chẳng hạn như FHE-ML), điều quan trọng là phải hướng dẫn cách giảm sự gia tăng tiếng ồn. Các giải pháp như tăng tốc phần cứng đóng vai trò quan trọng trong việc hỗ trợ khởi động, trong đó ASIC hoạt động tốt nhất.

Các thành viên trong lĩnh vực phần cứng bao gồm: Optalysys, Chain Reaction, Ingonyama, Cysic

Mỗi công ty chuyên sản xuất các sản phẩm có thể tăng tốc Phần cứng máy tính/khởi động FHE như chip, ASIC và chất bán dẫn.

4. FHE

Gần đây, mối quan tâm đến việc tích hợp FHE vào AI/ML ngày càng tăng. Trong số đó, FHE ngăn máy học bất kỳ thông tin nhạy cảm nào trong khi xử lý thông tin đó và cung cấp tính bảo mật cho dữ liệu, mô hình và đầu ra trong suốt quá trình.

Các thành viên AI x FHE bao gồm: Mind Network, Sight AI, BasedAI, Privasea

5. >

Một số không sử dụng FHE mà sử dụng MPC để bảo vệ dữ liệu có giá trị cao và thực hiện "tính toán mù", trong khi một số khác sử dụng ZKSNARK để đảm bảo tính chính xác của tính toán FHE trên dữ liệu được mã hóa.

Họ là: Nillion network, Pado Labs

IV. Những thách thức và giải pháp mà FHE phải đối mặt < /h2>

Không giống như ZK và MPC, FHE vẫn đang ở giai đoạn đầu.

Những thách thức chính bao gồm:

Hiệu suất chậm: Hiện tại, hợp đồng thông minh tư nhân sử dụng fh-EVM chỉ có 5 TPS. Ngoài ra, TFHE hiện hoạt động chậm hơn khoảng 1000 lần so với dữ liệu thuần túy.

Không đủ thân thiện với nhà phát triển: Vẫn còn thiếu các thuật toán tiêu chuẩn hóa và các công cụ FHE được hỗ trợ tổng thể.

Chi phí tính toán cao (chi phí): Việc tập trung hóa nút có thể xảy ra do quản lý tiếng ồn và hướng dẫn các phép tính phức tạp.

Rủi ro FHE trên chuỗi không an toàn: Đối với bất kỳ hệ thống giải mã ngưỡng an toàn nào, khóa giải mã sẽ được phân phối giữa các nút. Tuy nhiên, do chi phí chung của FHE cao, điều này có thể dẫn đến số lượng người xác nhận ít hơn và do đó khả năng thông đồng cao hơn.

Giải pháp:

Khởi động có thể lập trình: Nó cho phép áp dụng các phép tính trong quá trình khởi động, do đó tăng hiệu quả trong khi dành riêng cho ứng dụng.

Tăng tốc phần cứng: Phát triển ASIC, GPU và FPGA bằng thư viện OpenFHE để tăng tốc hiệu suất FHE.

Hệ thống giải mã ngưỡng tốt hơn: Nói tóm lại, để làm cho FHE trên chuỗi an toàn hơn, chúng tôi cần một hệ thống (có thể là MPC) để đảm bảo: độ trễ thấp, ngưỡng đầu vào phi tập trung cho các nút thấp hơn và khả năng chịu lỗi.