Краткий обзор рынка криптоактивов и развитие гомоморфного шифрования
По состоянию на 13 октября, данные с одной из платформ показывают статистику основных Криптоактивов:
Обсуждение биткойна на прошлой неделе составило 12,52K раз, что на 0,98% меньше, чем на предыдущей неделе. Закрытие в воскресенье составило 63916 долларов, что на 1,62% больше по сравнению с тем же периодом прошлого года.
Обсуждение эфириума на прошлой неделе составило 3,63K раз, что на 3,45% больше по сравнению с предыдущей неделей. Закрытие в воскресенье составило 2530 долларов, что на 4% ниже в годовом исчислении.
Обсуждение TON на прошлой неделе составило 782 раза, что на 12,63% меньше, чем на предыдущей неделе. Закрывающая цена в воскресенье составила 5,26 долларов, что на 0,25% ниже по сравнению с предыдущим годом.
Гомоморфное шифрование(FHE) является перспективной технологией в области криптографии. Оно позволяет проводить операции с зашифрованными данными без их расшифровки, обеспечивая надежную защиту конфиденциальности и поддержку обработки данных. FHE может широко применяться в таких областях, как финансы, здравоохранение, облачные вычисления, машинное обучение, системы голосования, интернет вещей и блокчейн. Несмотря на широкий спектр применения, коммерциализация FHE по-прежнему сталкивается с множеством вызовов.
Потенциал FHE и сценарии применения
Максимальное преимущество гомоморфного шифрования заключается в защите конфиденциальности. Например, когда одна компания нуждается в вычислительных мощностях другой компании для анализа данных, но не хочет, чтобы другая сторона имела доступ к конкретным данным, FHE может сыграть свою роль. Владелец данных может передать зашифрованные данные вычислительной стороне для обработки, при этом результаты вычислений остаются зашифрованными, и владелец данных может получить результаты анализа после расшифровки. Эта механика защищает конфиденциальность данных и одновременно выполняет необходимые вычислительные задачи.
Этот механизм защиты конфиденциальности особенно важен для таких чувствительных к данным отраслей, как финансы и здравоохранение. С развитием облачных вычислений и искусственного интеллекта безопасность данных становится все более актуальной темой. Гомоморфное шифрование (FHE) в этих сценариях может предоставить защиту многопользовательских вычислений, позволяя сторонам сотрудничать без раскрытия конфиденциальной информации. В технологии блокчейн FHE повышает прозрачность и безопасность обработки данных благодаря функциям защиты конфиденциальности на блокчейне и проверки конфиденциальных транзакций.
Сравнение FHE с другими способами шифрования
В области Web3 основными методами защиты конфиденциальности являются Гомоморфное шифрование, нулевые знания (ZK), многопартийные вычисления (MPC) и доверенная исполняемая среда (TEE). В отличие от ZK, FHE может выполнять различные операции с зашифрованными данными без необходимости предварительной расшифровки. MPC позволяет сторонам вычислять данные в зашифрованном виде, не делясь конфиденциальной информацией. TEE обеспечивает вычисления в безопасной среде, но гибкость в обработке данных относительно ограничена.
Эти криптографические технологии имеют свои преимущества, но в поддержке сложных вычислительных задач FHE особенно выделяется. Однако FHE в реальных приложениях все еще сталкивается с высокой вычислительной нагрузкой и плохой масштабируемостью, что ограничивает его эффективность в реальном времени.
Ограничения и вызовы FHE
Несмотря на то, что теоретическая основа FHE мощна, в коммерческих приложениях возникают практические проблемы:
Большие вычислительные затраты: Гомоморфное шифрование требует значительных вычислительных ресурсов, и его затраты значительно выше по сравнению с нешифрованными вычислениями. Для высоких полиномиальных вычислений время обработки растет полиномиально, что затрудняет удовлетворение требований к вычислениям в реальном времени. Снижение затрат требует использования специализированного аппаратного ускорения, но это также увеличивает сложность развертывания.
Ограниченные операционные возможности: хотя Гомоморфное шифрование может выполнять операции сложения и умножения с зашифрованными данными, поддержка сложных нелинейных операций ограничена, что является узким местом для таких приложений искусственного интеллекта, как глубокие нейронные сети. Текущие схемы FHE по-прежнему в основном подходят для линейных и простых полиномиальных вычислений, применение нелинейных моделей значительно ограничено.
Сложность поддержки нескольких пользователей: Гомоморфное шифрование хорошо работает в сценариях с одним пользователем, но при работе с многопользовательскими наборами данных системная сложность резко возрастает. Хотя многоключевые рамки Гомоморфного шифрования позволяют обрабатывать зашифрованные наборы данных с различными ключами, управление ключами и сложность системы значительно увеличиваются.
Сочетание FHE и искусственного интеллекта
В эпоху, управляемую данными, искусственный интеллект широко применяется в различных областях, но опасения по поводу конфиденциальности данных часто мешают пользователям делиться чувствительной информацией. Гомоморфное шифрование предоставляет решения для защиты конфиденциальности в области ИИ. В облачных вычислениях данные обычно шифруются во время передачи и хранения, но в процессе обработки часто находятся в открытом виде. С помощью Гомоморфного шифрования данные пользователей могут обрабатываться в зашифрованном состоянии, что обеспечивает их конфиденциальность.
Это преимущество особенно важно в свете требований таких регуляторов, как GDPR, которые требуют от пользователей права на информированность о способах обработки данных и обеспечения защиты данных в процессе их передачи. Конечное шифрование FHE гарантирует соответствие требованиям и безопасность данных.
Текущее применение FHE в блокчейне и проекты
Применение Гомоморфное шифрование в блокчейне в основном сосредоточено на защите конфиденциальности данных, включая конфиденциальность на цепочке, конфиденциальность данных для обучения ИИ, конфиденциальность голосования на цепочке и конфиденциальность проверки транзакций на цепочке и т.д. В настоящее время несколько проектов используют технологию Гомоморфное шифрование для реализации защиты конфиденциальности.
Решение FHE, разработанное одной компанией, широко используется в нескольких проектах по защите конфиденциальности. Эта компания, основываясь на технологии TFHE, сосредоточилась на булевых операциях и операциях с целыми числами малого размера, а также разработала стек разработки FHE для приложений на блокчейне и ИИ.
Другие проекты включают:
Разработка нового языка смарт-контрактов и библиотеки HyperghraphFHE для проектов на блокчейн-сетях
Проект по защите конфиденциальности в вычислительных сетях ИИ с использованием Гомоморфного шифрования
Объединение Гомоморфного шифрования и искусственного интеллекта для создания децентрализованной и защищенной среды AI.
Как решение уровня 2 для Ethereum, поддерживает FHE Rollups и FHE Coprocessors, совместимо с EVM и поддерживает написание смарт-контрактов на Solidity.
Вывод
FHE как продвинутая технология, способная выполнять вычисления на зашифрованных данных, обладает значительными преимуществами в защите конфиденциальности данных. Хотя текущие коммерческие приложения FHE по-прежнему сталкиваются с проблемами высокой вычислительной нагрузки и плохой масштабируемости, благодаря аппаратному ускорению и оптимизации алгоритмов эти проблемы могут быть постепенно решены. С развитием технологии блокчейн FHE будет играть все более важную роль в защите конфиденциальности и безопасных вычислениях. В будущем FHE может стать ключевой технологией для поддержки вычислений с защитой конфиденциальности, принося революционные прорывы в области безопасности данных.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
18 Лайков
Награда
18
5
Поделиться
комментарий
0/400
OfflineValidator
· 7ч назад
BTC бык не бык, посмотрите на эту цену токена и узнаете.
Посмотреть ОригиналОтветить0
HorizonHunter
· 17ч назад
eth падение到底了吧
Посмотреть ОригиналОтветить0
NullWhisperer
· 17ч назад
С технической точки зрения... FHE требует гораздо более тщательного аудита перед реальным развертыванием.
Посмотреть ОригиналОтветить0
TokenEconomist
· 17ч назад
на самом деле, потенциальная ROI FHE > краткосрочных приростов btc
Посмотреть ОригиналОтветить0
AirdropChaser
· 17ч назад
Планы стали меньше. У вас есть деньги, но вы не приходите за аирдропом?
BTC微涨ETH下跌 Гомоморфное шифрование FHE в защите конфиденциальности проявляет потенциал
Краткий обзор рынка криптоактивов и развитие гомоморфного шифрования
По состоянию на 13 октября, данные с одной из платформ показывают статистику основных Криптоактивов:
Обсуждение биткойна на прошлой неделе составило 12,52K раз, что на 0,98% меньше, чем на предыдущей неделе. Закрытие в воскресенье составило 63916 долларов, что на 1,62% больше по сравнению с тем же периодом прошлого года.
Обсуждение эфириума на прошлой неделе составило 3,63K раз, что на 3,45% больше по сравнению с предыдущей неделей. Закрытие в воскресенье составило 2530 долларов, что на 4% ниже в годовом исчислении.
Обсуждение TON на прошлой неделе составило 782 раза, что на 12,63% меньше, чем на предыдущей неделе. Закрывающая цена в воскресенье составила 5,26 долларов, что на 0,25% ниже по сравнению с предыдущим годом.
Гомоморфное шифрование(FHE) является перспективной технологией в области криптографии. Оно позволяет проводить операции с зашифрованными данными без их расшифровки, обеспечивая надежную защиту конфиденциальности и поддержку обработки данных. FHE может широко применяться в таких областях, как финансы, здравоохранение, облачные вычисления, машинное обучение, системы голосования, интернет вещей и блокчейн. Несмотря на широкий спектр применения, коммерциализация FHE по-прежнему сталкивается с множеством вызовов.
Потенциал FHE и сценарии применения
Максимальное преимущество гомоморфного шифрования заключается в защите конфиденциальности. Например, когда одна компания нуждается в вычислительных мощностях другой компании для анализа данных, но не хочет, чтобы другая сторона имела доступ к конкретным данным, FHE может сыграть свою роль. Владелец данных может передать зашифрованные данные вычислительной стороне для обработки, при этом результаты вычислений остаются зашифрованными, и владелец данных может получить результаты анализа после расшифровки. Эта механика защищает конфиденциальность данных и одновременно выполняет необходимые вычислительные задачи.
Этот механизм защиты конфиденциальности особенно важен для таких чувствительных к данным отраслей, как финансы и здравоохранение. С развитием облачных вычислений и искусственного интеллекта безопасность данных становится все более актуальной темой. Гомоморфное шифрование (FHE) в этих сценариях может предоставить защиту многопользовательских вычислений, позволяя сторонам сотрудничать без раскрытия конфиденциальной информации. В технологии блокчейн FHE повышает прозрачность и безопасность обработки данных благодаря функциям защиты конфиденциальности на блокчейне и проверки конфиденциальных транзакций.
Сравнение FHE с другими способами шифрования
В области Web3 основными методами защиты конфиденциальности являются Гомоморфное шифрование, нулевые знания (ZK), многопартийные вычисления (MPC) и доверенная исполняемая среда (TEE). В отличие от ZK, FHE может выполнять различные операции с зашифрованными данными без необходимости предварительной расшифровки. MPC позволяет сторонам вычислять данные в зашифрованном виде, не делясь конфиденциальной информацией. TEE обеспечивает вычисления в безопасной среде, но гибкость в обработке данных относительно ограничена.
Эти криптографические технологии имеют свои преимущества, но в поддержке сложных вычислительных задач FHE особенно выделяется. Однако FHE в реальных приложениях все еще сталкивается с высокой вычислительной нагрузкой и плохой масштабируемостью, что ограничивает его эффективность в реальном времени.
Ограничения и вызовы FHE
Несмотря на то, что теоретическая основа FHE мощна, в коммерческих приложениях возникают практические проблемы:
Большие вычислительные затраты: Гомоморфное шифрование требует значительных вычислительных ресурсов, и его затраты значительно выше по сравнению с нешифрованными вычислениями. Для высоких полиномиальных вычислений время обработки растет полиномиально, что затрудняет удовлетворение требований к вычислениям в реальном времени. Снижение затрат требует использования специализированного аппаратного ускорения, но это также увеличивает сложность развертывания.
Ограниченные операционные возможности: хотя Гомоморфное шифрование может выполнять операции сложения и умножения с зашифрованными данными, поддержка сложных нелинейных операций ограничена, что является узким местом для таких приложений искусственного интеллекта, как глубокие нейронные сети. Текущие схемы FHE по-прежнему в основном подходят для линейных и простых полиномиальных вычислений, применение нелинейных моделей значительно ограничено.
Сложность поддержки нескольких пользователей: Гомоморфное шифрование хорошо работает в сценариях с одним пользователем, но при работе с многопользовательскими наборами данных системная сложность резко возрастает. Хотя многоключевые рамки Гомоморфного шифрования позволяют обрабатывать зашифрованные наборы данных с различными ключами, управление ключами и сложность системы значительно увеличиваются.
Сочетание FHE и искусственного интеллекта
В эпоху, управляемую данными, искусственный интеллект широко применяется в различных областях, но опасения по поводу конфиденциальности данных часто мешают пользователям делиться чувствительной информацией. Гомоморфное шифрование предоставляет решения для защиты конфиденциальности в области ИИ. В облачных вычислениях данные обычно шифруются во время передачи и хранения, но в процессе обработки часто находятся в открытом виде. С помощью Гомоморфного шифрования данные пользователей могут обрабатываться в зашифрованном состоянии, что обеспечивает их конфиденциальность.
Это преимущество особенно важно в свете требований таких регуляторов, как GDPR, которые требуют от пользователей права на информированность о способах обработки данных и обеспечения защиты данных в процессе их передачи. Конечное шифрование FHE гарантирует соответствие требованиям и безопасность данных.
Текущее применение FHE в блокчейне и проекты
Применение Гомоморфное шифрование в блокчейне в основном сосредоточено на защите конфиденциальности данных, включая конфиденциальность на цепочке, конфиденциальность данных для обучения ИИ, конфиденциальность голосования на цепочке и конфиденциальность проверки транзакций на цепочке и т.д. В настоящее время несколько проектов используют технологию Гомоморфное шифрование для реализации защиты конфиденциальности.
Решение FHE, разработанное одной компанией, широко используется в нескольких проектах по защите конфиденциальности. Эта компания, основываясь на технологии TFHE, сосредоточилась на булевых операциях и операциях с целыми числами малого размера, а также разработала стек разработки FHE для приложений на блокчейне и ИИ.
Другие проекты включают:
Вывод
FHE как продвинутая технология, способная выполнять вычисления на зашифрованных данных, обладает значительными преимуществами в защите конфиденциальности данных. Хотя текущие коммерческие приложения FHE по-прежнему сталкиваются с проблемами высокой вычислительной нагрузки и плохой масштабируемости, благодаря аппаратному ускорению и оптимизации алгоритмов эти проблемы могут быть постепенно решены. С развитием технологии блокчейн FHE будет играть все более важную роль в защите конфиденциальности и безопасных вычислениях. В будущем FHE может стать ключевой технологией для поддержки вычислений с защитой конфиденциальности, принося революционные прорывы в области безопасности данных.