Forward the Original Title ‘อธิบายเหตุผลล่าสุดของการเข้ารหัสแบบโฮโมมอร์ฟิกแบบเต็มในอุตสาหกรรมบล็อกเชน’

การเข้ารหัสแบบโฮโมมอร์ฟิกเต็มรูปแบบ (FHE): การสำรวจของการใช้งานที่น่าตื่นเต้น ข้อจำกัด และการพัฒนาล่าสุดที่ช่วยกระตุ้นความนิยม

เมื่อฉันครั้งแรกได้ยินเกี่ยวกับ ‘Fully Homomorphic Encryption’ (FHE) ฉันสงสัยเกี่ยวกับความมั่นใจของวงการบล็อกเชนที่มักจะให้ชื่อที่ยาวขึ้นแก่แนวคิดที่เป็นที่นิยม เราได้เจอคำพูดที่ได้รับความนิยมซึ่งได้กระทบต่อวงการในระยะหลายปี โดยที่ล่าสุดคือ ‘zero-knowledge proofs’ (ZKPs)

หลังจากที่ได้ทำการค้นคว้าและสำรวจบริษัทใหม่ที่กำลังสร้างผลิตภัณฑ์ด้วย FHE ฉันเห็นว่ามีแนวโน้มที่เต็มไปด้วยชุดเครื่องมือที่ยอดเยี่ยม ในเดือนและปีหน้า FHE อาจจะเป็นเทคโนโลยีใหม่ที่สำคัญที่จะเข้ามาขึ้นเป็นกระแสใหม่เช่นเดียวกับ ZKPs ทำ

บริษัทกำลังใช้ประโยชน์จากความก้าวหน้าล่าสุดในหลายด้านของการเข้ารหัสและคอมพิวเตอร์คลาวด์เพื่อเปิดทางสู่อนาคตที่มีความเป็นส่วนตัวของข้อมูลที่มีพลัง. คำถามไม่ใช่ว่าเมื่อเราจะไปถึงจุดนั้น แต่เมื่อใด และฉันเชื่อว่า FHE อาจเป็นตัวกระตุ้นที่สำคัญสำหรับการก้าวหน้าของความเป็นส่วนตัวของข้อมูลและการเป็นเจ้าของข้อมูล

ในสัปดาห์หน้า ฉันจะศึกษาตัวเองในการเรียนรู้เพิ่มเติมเกี่ยวกับ FHE และการวิจัยข้อจำกัด ศักยภาพ และการประยุกต์ใช้ ฉันจะแบ่งปันความค้นพบของฉันในชุดบทความที่สำรวจด้านต่างๆ ของการสนทนาเกี่ยวกับ FHE ในสัปดาห์นี้ ฉันจะแนะนำเทคโนโลยีนี้และพูดคุยเกี่ยวกับเหตุผลที่มันได้รับความสนใจมากขึ้นเร็วๆ นี้ หลายคนในวงการกำลังพูดถึงมัน รวมถึง Kyle Samani จาก Multicoin Capital, ผู้ที่มีคำพูดดังกล่าว:

“FHE เป็นความลับที่สำคัญของการเข้ารหัส โดยเร็ว ๆ นี้ FHE จะเปลี่ยนรูปแบบของการคำนวณทั้งในเว็บ 2 และเว็บ 3”

Homomorphic Encryptionคืออะไร?

Addressing the elephant in the room, a wise start would be understanding what ‘homomorphic’ means. Tracing its roots, homomorphism originates from mathematics and is กำหนดเป็นแผนที่ระหว่างโครงสร้างพีชคณิตสองอันของประเภทเดียวกันที่รักษาส่วนสำคัญระหว่างพวกเขา

ถ้าคุณเหมือนฉันและชอบคำจำกัดความที่เป็นประโยชน์มากกว่า หลักการพื้นฐานของคณิตศาสตร์คือ ว่า 2 กลุ่มไม่จำเป็นต้องเหมือนกันเพื่อมีคุณสมบัติหลักเดียวกัน ตัวอย่างเช่น นึกภาพถึงกล่องผลไม้ 2 กล่อง แต่ละกล่องเป็นกลุ่มที่แตกต่างกัน

กล่อง A มีผลไม้ขนาดเล็ก
กล่อง B มีผลไม้ขนาดใหญ่

แม้ว่าผลไม้แต่ละชนิดจะมีขนาดแตกต่างกัน แต่การคั้นน้ําแอปเปิ้ลขนาดเล็กและส้มเข้าด้วยกันในกล่อง A จะผลิตน้ําผลไม้ผสมที่มีรสชาติเหมือนกับการคั้นน้ําแอปเปิ้ลและส้มขนาดใหญ่เข้าด้วยกันในกล่อง B การคั้นน้ําผลไม้เพื่อให้ได้รสชาติเดียวกันนั้นคล้ายกับการรักษาส่วนประกอบหลักระหว่างกล่องทั้งสอง สมมติว่ารสชาติที่เหมือนกันเป็นข้อกังวลหลักของเราไม่สําคัญว่าเราจะคั้นน้ําผลไม้จากกล่องใดเพราะน้ําผลไม้ปริมาณมาก / เล็กกว่าไม่ใช่จุดสนใจของเรา กลุ่มมีความเท่าเทียมกันในเรื่อง (รสชาติ) เพื่อให้ความแตกต่างระหว่างพวกเขา (ขนาดและปริมาณ) ไม่มีผลกระทบต่อหน้าที่หลักของพวกเขาซึ่งเรากําหนดให้เป็นการผลิตรสชาติน้ําผลไม้ที่เฉพาะเจาะจง

Drawing a parallel with homomorphism, we have captured its two main two features:

1. Mapping: เราสร้างความเชื่อมโยงระหว่างผลไม้ที่ทำให้ผลไม้เล็กในกล่อง A สอดคล้องกับเวอร์ชันที่ใหญ่กว่าในกล่อง B ดังนั้น แอปเปิ้ลเล็กในกล่อง A สอดคล้องกับแอปเปิ้ลขนาดใหญ่ในกล่อง B และอื่น ๆ
2. การรักษาคุณภาพของการดำเนินการ: หากการสกัดน้ำผลไม้ขนาดเล็ก 2 ชิ้นในกล่อง A ให้รสชาติใดรสชาติหนึ่ง การสกัดเวอร์ชันขนาดใหญ่ของพวกเขาในกล่อง B ควรให้รสชาติเดียวกัน โปรไฟล์รสชาติถูกรักษาไว้แม้ว่าจะมีความแตกต่างในขนาดและปริมาณของน้ำผลไม้ที่ได้

Fully Homomorphic Encryption คืออะไร?

การผูกคืนไปยังหัวข้อสำคัญของบทความนี้ การเข้ารหัสแบบโฮโมมอร์ฟิกเต็มรูปแบบ(FHE) เป็นวิธีการเข้ารหัสข้อมูลที่ให้ความสามารถให้ผู้คนทำการคำนวณบนข้อมูลที่เข้ารหัสโดยไม่เปิดเผยข้อมูลดิบ ทฤษฎีตาม FHE การวิเคราะห์และการคำนวณที่ทำกับข้อมูลที่เข้ารหัสควรสร้างผลลัพธ์ที่เหมือนกับการทำกับข้อมูลดิบ ด้วย FHE เราสร้างความสัมพันธ์แบบ 1:1 ระหว่างข้อมูลในชุดข้อมูลที่เข้ารหัสที่สอดคล้องกับข้อมูลในชุดข้อมูลดิบ ส่วนประกอบหลักที่ถูกสงวนไว้ในกรณีนี้คือความสามารถในการทำการคำนวณใดๆ บนข้อมูลในเซ็ตใดๆ และให้ผลลัพธ์เหมือนกัน

สําหรับบริบทหลาย บริษัท ใช้มาตรการป้องกันเพื่อปกป้องข้อมูลผู้ใช้และรักษาความเป็นส่วนตัวที่แตกต่างกัน บริษัท ต่างๆไม่ค่อยจัดเก็บข้อมูลบนคลาวด์หรือในฐานข้อมูลในรูปแบบดิบที่ไม่ได้เข้ารหัส ดังนั้นแม้ว่าผู้โจมตีจะเข้าควบคุมเซิร์ฟเวอร์ของ บริษัท พวกเขายังคงต้องข้ามการเข้ารหัสเพื่ออ่านและเข้าถึงข้อมูล อย่างไรก็ตามข้อมูลไม่น่าสนใจเมื่อเพียงแค่นั่งอยู่ที่นั่นเข้ารหัสและไม่ได้ใช้ เมื่อ บริษัท ต่างๆต้องการวิเคราะห์ข้อมูลเพื่อให้ได้ข้อมูลเชิงลึกที่มีค่าพวกเขาไม่มีทางเลือกที่ดีนอกจากถอดรหัสข้อมูลเพื่อทําสิ่งนี้ เมื่อถอดรหัสข้อมูลจะมีช่องโหว่ อย่างไรก็ตามด้วยการเข้ารหัสแบบ end-to-end FHE จะมีประโยชน์มากเนื่องจากเราไม่ต้องถอดรหัสข้อมูลเพื่อวิเคราะห์อีกต่อไป นี่เป็นเพียงการขีดข่วนพื้นผิวของสิ่งที่เป็นไปได้

ข้อคิดสำคัญคือว่าบริษัทควรได้รับอนุญาตให้อ่านและเก็บข้อมูลส่วนบุคคลของเราตั้งแต่เริ่มต้น การตอบสนองมาตรฐานต่อนี้โดยผู้หลายคนคือบริษัทต้องเห็นข้อมูลของเราเพื่อให้บริการที่ดีขึ้น

หาก YouTube ไม่จัดเก็บข้อมูลเช่นประวัติการดูและประวัติการค้นหาของฉันอัลกอริทึมจะไม่สามารถทํางานได้เต็มศักยภาพและแสดงวิดีโอที่ฉันสนใจ ด้วยเหตุนี้หลายคนจึงพิจารณาการแลกเปลี่ยนระหว่างความเป็นส่วนตัวของข้อมูลและการได้รับบริการที่ดีขึ้น อย่างไรก็ตามด้วย FHE เราไม่จําเป็นต้องทําการแลกเปลี่ยนนี้อีกต่อไป บริษัทอย่าง YouTube สามารถฝึกอัลกอริทึมของตนเกี่ยวกับข้อมูลที่เข้ารหัสและให้ผลลัพธ์ที่เหมือนกันสําหรับผู้ใช้ปลายทางโดยไม่ละเมิดความเป็นส่วนตัวของข้อมูล โดยเฉพาะอย่างยิ่งพวกเขาสามารถเข้ารหัสข้อมูลแบบ homomorphically เช่นนาฬิกาและประวัติการค้นหาของฉันวิเคราะห์โดยไม่ต้องดูเนื่องจากมีการเข้ารหัสแล้วแสดงวิดีโอที่ฉันสนใจตามการวิเคราะห์

FHE เป็นขั้นตอนที่สำคัญสำหรับการสร้างอนาคตที่ข้อมูลของเราไม่ได้เป็นสินค้ามีค่าที่เราต้องทำข้อตกลงในการมอบออกไปโดยอิสระให้กับองค์กร

การใช้งานของการเข้ารหัสแบบโฮโมมอร์ฟิกเต็มรูปแบบ

การเข้ารหัสแบบโฮโมมอร์ฟิกแบบเต็มร้อย (FHE) ที่ถูกนำมาใช้อย่างถูกต้องเป็นการขุดเจาะที่สำคัญสำหรับทุกภาคส่วนที่เก็บข้อมูลผู้ใช้. เรากำลังมองหาเทคโนโลยีที่สามารถเปลี่ยนแปลงทัศนคติต่อความเป็นส่วนตัวของข้อมูลของเราทั้งหมดและขอบเขตของการบุกรุกที่ยอมรับได้โดยบริษัท.

เรามาเริ่มต้นด้วยการสำรวจว่า FHE สามารถปรับเปลี่ยนวิธีการปฏิบัติข้อมูลใน อุตสาหกรรมด้านสุขภาพ. โรงพยาบาลหลายแห่งมีบันทึกส่วนตัวของผู้ป่วยที่เก็บไว้ในฐานข้อมูลซึ่งพวกเขาจะต้องเก็บเป็นความลับด้วยเหตุผลทางจริยธรรมและกฎหมาย อย่างไรก็ตามข้อมูลนี้มีค่าสําหรับนักวิจัยทางการแพทย์ภายนอกที่สามารถวิเคราะห์ข้อมูลนี้เพื่ออนุมานข้อมูลเชิงลึกที่สําคัญเกี่ยวกับความเจ็บป่วยและการรักษาที่อาจเกิดขึ้น อุปสรรคสําคัญที่ทําให้การวิจัยช้าลงคือการรักษาความลับทั้งหมดของข้อมูลผู้ป่วยเมื่อจ้างนักวิจัย มีหลายวิธีในการไม่เปิดเผยตัวตนหรือนามแฝงบันทึกผู้ป่วย ถึงกระนั้นพวกเขาก็ไม่สมบูรณ์และสามารถเปิดเผยเกี่ยวกับใครบางคนมากเกินไปทําให้พวกเขาระบุตัวตนได้หรือไม่เปิดเผยเพียงพอเกี่ยวกับกรณีของพวกเขาทําให้ยากที่จะได้รับข้อมูลเชิงลึกที่ถูกต้องเกี่ยวกับความเจ็บป่วย

ด้วย FHE โรงพยาบาลสามารถเข้ารหัสข้อมูลผู้ป่วยแบบ homomorphically ทําให้การปกป้องความเป็นส่วนตัวของผู้ป่วยในระบบคลาวด์ง่ายขึ้น นักวิจัยทางการแพทย์สามารถทําการคํานวณและเรียกใช้ฟังก์ชันการวิเคราะห์บนข้อมูลที่เข้ารหัสโดยไม่กระทบต่อความเป็นส่วนตัวของผู้ป่วย เนื่องจากมีการแมปแบบ 1:1 ระหว่างข้อมูลที่เข้ารหัสและข้อมูลดิบผลลัพธ์ที่ได้จากชุดข้อมูลที่เข้ารหัสจะให้ข้อมูลเชิงลึกที่แท้จริงที่สามารถนําไปใช้กับกรณีจริงได้ FHE สามารถเร่งความก้าวหน้าในอุตสาหกรรมการดูแลสุขภาพได้อย่างรวดเร็ว

แอปพลิเคชั่นที่น่าตื่นเต้นอีกอย่างสําหรับ FHE คือการฝึกอบรมปัญญาประดิษฐ์ (AI) ปัจจุบันภาค AI ต่อสู้กับข้อกังวลด้านความเป็นส่วนตัว ซึ่งเป็นอุปสรรคต่อบริษัทต่างๆ จากการเข้าถึงชุดข้อมูลที่กว้างขวางจํานวนมากซึ่งจําเป็นสําหรับการปรับแต่งอัลกอริทึม AI บริษัทที่ฝึกอบรม AI ต้องเลือกระหว่างการใช้ชุดข้อมูลสาธารณะที่จํากัด จ่ายเงินเป็นจํานวนมากเพื่อซื้อชุดข้อมูลส่วนตัว หรือการสร้างชุดข้อมูล ซึ่งเป็นเรื่องท้าทายสําหรับบริษัทขนาดเล็กที่มีผู้ใช้น้อยลง FHE ควรจัดการกับข้อกังวลด้านความเป็นส่วนตัวที่ป้องกันไม่ให้ผู้ให้บริการชุดข้อมูลจํานวนมากเข้าสู่ตลาดนี้ ดังนั้นการปรับปรุง FHE มีแนวโน้มที่จะนําไปสู่การเพิ่มจํานวนชุดข้อมูลที่มีให้สําหรับการฝึกอบรม AI สิ่งนี้จะทําให้การฝึกอบรม AI สามารถเข้าถึงได้และปรับแต่งทางการเงินมากขึ้นเนื่องจากความหลากหลายของชุดข้อมูลที่มีอยู่เพิ่มขึ้น

ข้อจำกัดในการเข้ารหัสแบบโฮโมมอร์ฟิกอย่างเต็มรูปแบบ

ถ้าการเข้ารหัสแบบโฮโมมอร์ฟิกแบบเต็ม (FHE) ยังคงมีความสัญญาว่าจะเปลี่ยนแปลงข้อมูลขนาดใหญ่ในยุคปัจจุบัน ทำไมเรายังไม่เห็นมันมีผลลัพธ์มากขึ้น

แม้ว่า FHE จะเป็นหัวข้อที่ผู้คนพูดถึงและค้นคว้ามาหลายปีแล้ว แต่ความจริงก็คือการนํา FHE ไปใช้ในทางปฏิบัตินั้นยากมาก ความท้าทายหลักอยู่ที่พลังการคํานวณที่จําเป็นในการดําเนินการ FHE ชุดข้อมูลที่มีความปลอดภัยแบบ homomorphically อย่างสมบูรณ์สามารถให้ผลการวิเคราะห์ที่เหมือนกันกับรูปแบบข้อมูลดิบ นี่เป็นความสําเร็จที่ท้าทายและต้องการความเร็วและความสามารถในการคํานวณจํานวนมากซึ่งส่วนใหญ่ไม่สามารถนําไปใช้กับคอมพิวเตอร์ที่มีอยู่ได้ การดําเนินการที่โดยทั่วไปจะใช้เวลาไม่กี่วินาทีกับข้อมูลดิบอาจใช้เวลาหลายชั่วโมงหรือหลายวันในชุดข้อมูลที่เข้ารหัสแบบ homomorphically ความท้าทายด้านการคํานวณนี้ได้สร้างวงจรการคงอยู่ด้วยตนเองซึ่งวิศวกรหลายคนกําลังเลื่อนการดําเนินโครงการ FHE ซึ่งทําให้การพัฒนาช้าลงและ จํากัด การตระหนักถึงผลประโยชน์อย่างเต็มที่

ตัวอย่างเฉพาะของปัญหาทางคณิตศาสตร์ที่วิศวกรเผชิญกับ FHE คือการที่ต้องnoise error’เมื่อทำการคำนวณบนชุดข้อมูลที่เข้ารหัสแบบโฮโมมอร์ฟิก ผู้วิศวกรมีความเจ็บใจหลายครั้งที่พบว่ามีเสียงรบกวนหรือข้อผิดพลาดที่เกิดขึ้นทุกครั้งที่มีการคำนวณ สภาวะนี้ยอมรับได้เมื่อมีเพียงไม่กี่คำนวณที่จำเป็น แต่หลังจากการวิเคราะห์หลายรอบเสียงรบกวนอาจกลายเป็นสิ่งที่โดดเด่นจนข้อมูลเดิมกลายเป็นอย่างที่ไม่เข้าใจ แทบจะสูญหาย

ทำไมตอนนี้?

เหมือน@matthewdwhiteเทคโนโลยีการเข้ารหัสแบบเต็มโฮโมมอร์ฟิก (FHE) กำลังเดินหน้าสู่ความก้าวหน้าที่เป็นเอกลักษณ์เช่นเดียวกับ AI แบบสร้างขึ้น ซึ่งเคยถูกพิจารณาว่าจำกัดและโบราณก่อนที่จะกลายเป็นไปในทางที่ถูกยอมรับอย่างกว้างขวาง ผู้นำอุตสาหกรรมมากมาย แม้กระทั่งผู้ที่กว้างขวางไปเกินขอบเขตของด้านบล็อกเชน ได้รวมตัวกันเพื่อจัดทำงานวิจัยและพัฒนาเทคโนโลยี FHE อย่างหนักแน่น สิ่งนี้ได้ส่งผลให้เกิดการพัฒนาในอุตสาหกรรมล่าสุดหลายรายการ ซึ่งเป็นเหตุผลที่น่าสนใจสำหรับการก้าวหน้าของเทคโนโลยีนี้

โปรแกรม DPRIVE

ในเดือนมีนาคม 2021 Microsoft, Intel, และหน่วยงานการวิจัยล้ำสมัยของกรมกองทัพบก (DARPA) ได้ยอมรับที่จะเริ่มต้นให้โปรแกรมหลายปี เพื่อเร่งการพัฒนา Fully Homomorphic Encryption (FHE) ชื่อ Data Protection in Virtual Environments (DPRIVE) โปรแกรมนี้แสดงถึงความก้าวหน้าอย่างมากสําหรับ FHE มันแสดงสองยักษ์ใหญ่ในอุตสาหกรรมที่เชี่ยวชาญด้านการประมวลผลแบบคลาวด์และฮาร์ดแวร์คอมพิวเตอร์รวมกันเพื่อจัดการกับความเป็นส่วนตัวของข้อมูล พวกเขาริเริ่มโปรแกรมนี้เพื่อสร้างคอมพิวเตอร์และซอฟต์แวร์ที่สามารถจัดการความเร็วในการประมวลผล FHE และเพื่อกําหนดแนวทางสําหรับการใช้งาน FHE ที่ถูกต้องป้องกันการละเมิดข้อมูลที่อาจเกิดขึ้นจากการใช้งานที่ไม่ถูกต้อง

ในของโปรแกรม DPRIVE, วิศวกรได้รับมอบหมายให้รับผิดชอบงานในการบรรเทาปัญหา 'ข้อผิดพลาดเสียง' ที่กล่าวถึงก่อนหน้านี้โดยการสำรวจวิธีในการลดเสียงให้อยู่ในระดับที่สามารถรักษาข้อมูลดิบ วิธีการที่มีความเป็นเสมอมากที่สุดคือการออกแบบขนาดคำอิสระของเลขคณิตใหญ่ (LAWS) การแทนที่ข้อมูล ในขณะที่หน่วยประมวลผลคอมพิวเตอร์ (CPU) แบบดั้งเดิมมักใช้คำศัพท์ 64 บิต วิศวกรกำลังพัฒนาฮาร์ดแวร์ใหม่ที่สามารถประมวลผลคำศัพท์ที่มี 1024 บิต หรือมากกว่าด้วย LAWS วิธีการนี้มีประสิทธิภาพเพราะการวิจัยแสดงให้เห็นว่าคำศัพท์ที่ยาวขึ้นมีผลต่ออัตราส่วนของสัญญาณต่อเสียง กล่าวคือ คำศัพท์ที่ยาวขึ้นจะสร้างเสียงรบกวนน้อยลงกับทุกขั้นตอนการคำนวณเพิ่มเติมใน FHE ซึ่งทำให้สามารถทำการคำนวณได้มากขึ้นก่อนที่จะถึงขีดจำกัดของการสูญเสียข้อมูล ด้วยการสร้างฮาร์ดแวร์ใหม่เพื่อแก้ไขปัญหาเหล่านี้ วิศวกรที่เกี่ยวข้องกับโปรแกรม DPRIVE ลดภาระการคำนวณที่จำเป็นต้องใช้ในการดำเนินการ FHE ลงมาอย่างมีนัยสำคัญ

เพื่อเร่งคำนวณและเข้าใกล้เป้าหมายในการทำให้ FHE เร็วขึ้น 100,000 เท่า ทีม DPRIVE เริ่มเดินทางอย่างต่อเนื่องเพื่อออกแบบระบบประมวลผลข้อมูลใหม่ที่เหนือกว่าความสามารถของหน่วยประมวลผลและการสร้างกราฟแบบดั้งเดิม พวกเขาได้พัฒนาคำสั่งหลายคำสั่งข้อมูลหลายข้อมูลระบบ (MIMD) ที่สามารถจัดการคำสั่งและชุดข้อมูลหลายรายการพร้อมกันได้อย่างพร้อมใจ การทำ MIMD คล้ายกับการก่อสร้างทางหลวงใหม่แทนการใช้ถนนที่มีอยู่ที่ไม่เหมาะสมเพื่อรองรับการจราจรที่ต้องการสำหรับการคำนวณแบบเรียลไทมอพร้อม

สิ่งที่น่าสนใจเกี่ยวกับโปรแกรม DPRIVE คือการใช้งานอย่างแพร่หลายของ ‘การขนาน'ในการคำนวณทางคอมพิวเตอร์ ซึ่งช่วยให้นักพัฒนาสามารถดำเนินการคำนวณตัวเลขขนาดใหญ่หลายรายการพร้อมกัน คุณสามารถคิดถึงความขัดแย้งเป็นการส่งมาตรฐานที่มีนักคณิตศาสตร์จำนวนมากทำงานในส่วนต่าง ๆ ของปัญหาคณิตศาสตร์ที่ใหญ่มากพร้อมกัน แทนที่ให้แต่ละคนทำงานตามลำดับ การดำเนินการคำนวณหลายแบบพร้อมกัน จะช่วยให้การแก้ปัญหามีประสิทธิภาพ แต่คอมพิวเตอร์จำเป็นต้องเย็นด้วยอากาศเพื่อป้องกันการเกินความร้อน

ในเดือนกันยายน 2022 มากกว่าปีและครึ่งหลังจากเปิดตัวโปรแกรม Microsoft, Intel และ DARPAประกาศพวกเขาได้ทำสำเร็จขั้นตอนที่ 1 ของโปรแกรม DPRIVE อย่างสำเร็จ ณ ขณะนี้พวกเขากำลังดำเนินขั้นตอนของขั้นตอนที่ 2 ของ DPRIVE

SDKs และไลบรารีโอเพ่นซอร์ส

ด้วย บริษัท ใหญ่ ๆ หลาย แห่ง ที่ นำ นวัตกรรม ใหม่ ใน การเข้ารหัสแบบโฮโมมอร์ฟิก (FHE) มานำ เสนอ มี การเพิ่มขึ้น ใน การมีอยู่ของ ชุดพัฒนาซอฟต์แวร์ (SDKs) และ ห้องสมุดโอเพ่นซอร์ซ ที่ อนุญาตให้ นักพัฒนา สร้าง ต่อ งานของ กัน

ไมโครซอฟต์ ประกาศการเปิดตัว Microsoft Seal, ห้องสมุดโอเพนซอร์สที่ให้นักพัฒนาเครื่องมือในการทำการเข้ารหัสแบบโฮโมมอร์ฟิกบนชุดข้อมูล สิ่งนี้ทำให้การเข้าถึงการเข้ารหัสแบบจุดสิ้นสุดถึงและบริการคำนวณเป็นไปได้ โดยทำให้นักพัฒนาหลากหลายกว่าสามารถสำรวจ FHE ได้ ห้องสมุดนี้ให้ตัวอย่างของโปรแกรมที่เข้ารหัสแบบโฮโมมอร์ฟิกพร้อมกับคำอธิบายอย่างละเอียด เพื่อนำนักพัฒนาไปสู่การใช้งานที่ถูกต้องและปลอดภัย

Intel โดยเฉพาะเปิดตัวเครื่องมือเข้ารหัสแบบโฮโมมอร์ฟิกของตัวเอง ที่ Gate.io ให้บริการนักพัฒนาเพื่อสะดวกในการเข้ารหัสแบบโฮโมมอร์ฟิกในคลาวด์ได้เร็วขึ้น อินเทลออกแบบเครื่องมือเหล่านี้ให้ยืดหยุ่นในการใช้งาน และมั่นใจว่าเข้ากันได้กับการประมวลผลข้อมูลและความก้าวหน้าในด้านคอมพิวเตอร์ล่าสุด มันประกอบด้วยฟังก์ชันที่เฉพาะเจาะจงสำหรับกลวิเทคโนโลยีตาราง การผสานการใช้งานอย่างไม่มีรอยต่อกับ Microsoft Seal ตัวอย่างของโครงสร้างที่เข้ารหัสแบบโฮโมมอร์ฟิก และเอกสารเทคนิคเพื่อคำแนะนำผู้ใช้

Google’sการรวมกันและคำนวณอย่างเป็นส่วนตัวไลบรารีโอเพ่นซอร์สให้นักพัฒนาเครื่องมือการคำนวณหลายฝ่าย (MPC) วิธีการคำนวณนี้ช่วยให้ฝ่ายที่ต้องการได้รับข้อมูลร่วมกันโดยการผสมข้อมูลต่าง ๆ โดยไม่เปิดเผยข้อมูลสดของเขาให้กับกันเอง การรวมข้อมูลและคำนวณส่วนตัวรวมกันรวมเทคนิคการเข้ารหัสจาก FHE กับการตัดสินใจเซตส่วนตัว (PSI) เพื่อเพิ่มประสิทธิภาพในการความปลอดภัยของข้อมูล PSI เป็นวิธีการเข้ารหัสอีกวิธีหนึ่งที่ช่วยให้ฝ่ายที่มีชุดข้อมูลที่แตกต่างกันสามารถระบุองค์ประกอบหรือจุดข้อมูลที่เหมือนกันโดยไม่เปิดเผยข้อมูลของพวกเขา การเข้าชี้ทางของ Google ในการเนรมิตความเป็นส่วนตัวของข้อมูลไม่ได้เน้นไปที่ FHE เท่านั้น แต่มีการให้ความสำคัญกับแนวคิดทั่วไปของ MPC โดยการรวม FHE กับวิธีการปฏิบัติข้อมูลที่มีผลต่อเนื้อหาอื่น ๆ

ความพร้อมในการใช้งานของไลบรารีโอเพ่นซอร์สที่น่าเชื่อถือสำหรับการเข้ารหัสแบบโฮโมมอร์ฟิกที่เพิ่มขึ้นนั้นน่าทึ่ง อย่างไรก็ตาม มันกลายเป็นสิ่งที่น่าสนใจมากยิ่งขึ้นเมื่อพบว่าบริษัทที่น่าเชื่อถือกำลังทดลองใช้ไลบรารีเหล่านี้ในการดำเนินงานของพวกเขา ในเดือนเมษายน 2021 นาสแดค สถานที่ซื้อขายหลักที่มีชื่อเสียงและหน่วยงานเทคโนโลยีระดับโลกสำหรับตลาดทุนรวมเข้าFHE เข้าสู่การดำเนินงานของมัน โดยใช้เครื่องมือ FHE จาก Intel และหน่วยประมวลผลความเร็วสูง Nasdaq ได้รับมือเข้ากับอาชญากรรมทางการเงินผ่านการต่อต้านการฟอกเงินและการตรวจจับการหลอกลวง สำเร็จได้ด้วยการใช้การเข้ารหัสแบบโฮโมมอร์ฟิกเพื่อระบุข้อมูลที่มีคุณค่าและกิจกรรมที่อาจเป็นผิดกฎหมายในชุดข้อมูลที่มีข้อมูลที่อ่อนไหว

การเรียกระดมทุนล่าสุด

นอกจากการวิจัยและการพัฒนาที่ดำเนินการโดยบริษัทที่กล่าวถึงไว้ข้างต้น บริษัทอื่น ๆ ก็ได้รับการระดมทุนมากมายล่าสุดสำหรับโครงการที่เน้นการเข้ารหัสแบบโฮโมมอร์ฟิกเต็มรูปแบบ (Fully Homomorphic Encryption (FHE))

Cornami, บริษัทเทคโนโลยีขนาดใหญ่ ได้รับการยกย่องในการเป็นผู้นำในการพัฒนาเทคโนโลยีคอมพิวติงขนาดใหญ่ที่ออกแบบมาเพื่อการเข้ารหัสแบบโฮโมมอร์ฟิก พวกเขามุ่งเน้นไปที่การสร้างระบบคอมพิวติงที่สนับสนุน FHE ได้ดีกว่าหลาย CPU แบบดั้งเดิม พวกเขายังมีโครงการที่มุ่งเน้นไปที่การป้องกันข้อมูลที่เข้ารหัสจากอันตรายที่เกิดจากคอมพิวติงที่ใช้ได้โดยใช้ควอนตัมคอมพิวติง ในเดือนพฤษภาคม 2022, Cornami ประกาศรอบทุน Series C ที่ประสบความสำเร็จ มั่นใจได้เงิน 68 ล้านดอลลาร์ โดยมี Softbank เป็นผู้นำ และยกระดับเงินทุนรวมไปถึง 150 ล้านดอลลาร์

Zamaเป็นบริษัทอีกบริษัทหนึ่งในอุตสาหกรรมบล็อกเชนที่กำลังสร้างเครื่องมือการเข้ารหัสแบบโฮโมมอร์ฟิกเปิดโอกาสให้นักพัฒนาใช้เพื่อสร้างแอปพลิเคชันที่น่าตื่นเต้นโดยใช้ FHE, blockchain และ AI Zama ได้สร้างเครื่องมือที่สามารถทำ Fully Homomorphic Ethereum Virtual Machine (fhEVM) เป็นส่วนหนึ่งของผลิตภัณฑ์ของตน โปรโตคอลสมารถใช้งานข้อมูลธุรกรรม on-chain ให้เหมือนกับที่เข้ารหัสขณะประมวลผลนักพัฒนาที่กำลังศึกษาการใช้งานแอปพลิเคชันต่าง ๆ ด้วยไลบรารีของ Zama ได้ประทับใจกับประสิทธิภาพ แม้ในกรณีการใช้งานที่ซับซ้อนปิดสำเร็จระดับทุนรวมทั้งหมดของมันไปยัง 50 ล้านดอลลาร์ ด้วยการนำของ Protocol Labs ที่ช่วยนำด้วย

Fhenixเป็นโครงการรุกภาคที่กำลังเข้ามาที่นำเทคโนโลยีการเข้ารหัสแบบโฮโมมอร์ฟิกเข้าสู่บล็อกเชน จุดมุ่งหมายของพวกเขาคือการขยายการใช้งานของการเข้ารหัสแบบโฮโมมอร์ฟิกไปเกินการชำระเงินที่ลับเปิดโอกาสใหม่ๆการใช้งานในเรื่องของการเข้ารหัสแบบโฮโมมอร์ฟิก (FHE) ในพื้นที่เช่นการเงินดิจิทัลที่กระจาย (DeFi), การสะพาน, การลงคะแนนการปกครอง, และเกม Web3 ในเดือนกันยายน 2023, Fhenix ประกาศการปิดรอบทุนเริ่มต้นขนาด 7 ล้านดอลลาร์ของตน ซึ่งมีการนำทางโดย Multicoin Capital และ Collider Ventures

มีอะไรต่อ?

เป็นเวลาหลายปีที่ Fully Homomorphic Encryption (FHE) ยังคงเป็นแนวคิดที่สัญญาว่าจะเข้ารหัสแบบ end-to-end ที่แข็งแกร่งซึ่งประกาศอนาคตของความเป็นส่วนตัวของข้อมูลที่แข็งแกร่ง การพัฒนาล่าสุดเริ่มเปลี่ยน FHE จากความฝันทางทฤษฎีไปสู่ความเป็นจริงในทางปฏิบัติ แม้ว่าบริษัทต่างๆ จะแข่งขันกันเพื่อบุกเบิกการใช้ FHE เวอร์ชันแรกที่แข็งแกร่งและทํางานได้อย่างสมบูรณ์ แต่หลาย บริษัท ก็ร่วมมือกันเพื่อสํารวจความซับซ้อนของเทคโนโลยีที่น่าเกรงขามนี้ร่วมกัน จิตวิญญาณการทํางานร่วมกันนี้เห็นได้ชัดผ่านการใช้งานโปรแกรมข้ามทีมต่างๆและการพัฒนาห้องสมุดโอเพ่นซอร์สที่รวมเข้ากับห้องสมุดอื่น ๆ

โดยอ้างอิงจากข้อความของฉัน การสนทนาเกี่ยวกับ FHE ดูเหมือนว่ามีความกว้างขวาง เฉพาะในสัปดาห์หน้า ฉันตื่นเต้นที่จะลึกซึ้งลงไปอีก และแบ่งปันความรู้เพิ่มเติมจากการวิจัยของฉันเกี่ยวกับ FHE โดยเฉพาะ ฉันตื่นเต้นที่จะสำรวจเพิ่มเติมเกี่ยวกับหัวข้ออย่าง

• การประยุกต์ใช้ FHE ที่เพิ่มขึ้น
• ประเด็นที่สำคัญระหว่างการใช้ศัพท์พิสูจน์ที่ไม่เปิดเผย (ZKPs) และการเข้ารหัสแบบโฮโมมอร์ฟิก (FHE)
• การรวม FHE กับการตัดสินใจเซ็ทส่วนตัว (PSI) เพื่อเสริมความปลอดภัยของการคำนวณหลายฝ่าย (MPC)
• บริษัทใหม่ เช่น Zama และ Fhenix ที่เป็นผู้นำการพัฒนาใน FHE
  

การอ้างอิง:

Arampatzis, Anastasios. "Latest Developments in การเข้ารหัสแบบโฮโมมอร์ฟิก." Venafi, 1 Feb. 2022, venafi.com/blog/what-are-latest-developments-การเข้ารหัสแบบโฮโมมอร์ฟิก-ask-experts/.

Arampatzis, Anastasios. “What Is Homomorphic Encryption & How Is It Used.” Venafi, 28 Apr. 2023, venafi.com/blog/การเข้ารหัสแบบโฮโมมอร์ฟิก-คืออะไรและใช้อย่างไร.

“การสร้างฮาร์ดแวร์เพื่อเปิดโอกาสให้การป้องกันข้อมูลตลอดเวลา.” DARPA, 2 มี.ค. 2020,www.darpa.mil/news-events/2020-03-02.

Cristobal, Samuel. “Fully Homomorphic Encryption: The Holy Grail of Cryptography.” Datascience.Aero, 7 Jan. 2021, datascience.aero/fully-homomorphic-encryption-the-holy-grail-of-cryptography/.

“การเข้ารหัสแบบโฮโมมอร์ฟิก: มันคืออะไรและทำไมมันสำคัญ?” สังคมอินเทอร์เน็ต, 9 มี.ค. 2023,www.internetsociety.org/resources/doc/2023/การเข้ารหัสแบบโฮโมมอร์ฟิก/.

Hunt, James. “FHENIX Raises $7 Million in Seed Round Led by Multicoin Capital.” The Block, The Block, 26 Sept. 2023,www.theblock.co/post/252931/fhenix-seed-multicoin-capital.

“ชุดเครื่องมือ Intel® Homomorphic Encryption.” Intel, www.intel.com/content/www/us/en/developer/tools/การเข้ารหัสแบบโฮโมมอร์ฟิก/overview.html#gs.fu55im. Accessed 8 Oct. 2023.

“Intel ร่วมมือกับ Microsoft ในโปรแกรม DARPA.” Intel, 8 มี.ค. 2021,www.intel.com/content/www/us/en/newsroom/news/intel-collaborate-microsoft-darpa-program.html#gs.ftusxq.

“Intel Xeon Advances NASDAQ’s Homomorphic Encryption R&D.” Intel, 6 Apr. 2021, www.intel.com/content/www/us/en/newsroom/news/xeon-advances-nasdaqs-homomorphic-encryption-rd.html#gs.6mpgme.

Johnson, Rick. “Intel Completes DARPA DPRIVE Phase One Milestone for a Fully Homomorphic Encryption Platform.” Intel, 14 Sept. 2022, community.intel.com/t5/Blogs/Products-and-Solutions/HPC/Intel-Completes-DARPA-DPRIVE-Phase-One-Milestone-for-a-Fully/post/1411021.

“Microsoft Seal: Fast and Easy-to-Use Homomorphic Encryption Library.” Microsoft Research, 4 Jan. 2023, www.microsoft.com/en-us/research/project/microsoft-seal/.

Paillier, Dr. Pascal. “Fully Homomorphic Encryption: The Holy Grail of Cryptography.” Business Age, 9 Mar. 2023, www.businessage.com/post/fully-homomorphic-encryption-เครื่องมือทรงพลังของกลไกการเข้ารหัส

Samani, Kyle. “เรือเร็วของ On-Chain FHE.” Multicoin Capital, 26 กันยายน 2023, multicoin.capital/2023/09/26/the-dawn-of-on-chain-fhe/.

Walker, Amanda, et al. “ช่วยองค์กรทำได้มากขึ้นโดยไม่ต้องเก็บข้อมูลมากขึ้น” Google Online Security Blog, 19 มิถุนายน 2019,security.googleblog.com/2019/06/helping-organizations-do-more-without-collecting-more-data.html.

“Homomorphic Encryption คืออะไร?” Inpher, 11 เม.ย. 2021,inpher.io/technology/what-is-fully-homomorphic-encryption/.

White, Matt. “ประวัติย่อของ AI สร้างสรรค์.” Medium, 8 กรกฎาคม 2023, matthewdwhite.medium.com/a-brief-history-of-generative-ai-cb1837e67106#:~:text=แม้ว่า%20ส่วนใหญ่%20ของ%20คน%20จะ%20ยอมรับ%20ว่า%20AI%20ที่%20มีชื่อเสียง%20ใน%20ระดับ%20นี้%20มีความแตกต่าง%20จาก%20AI%20ใน%20อดีต%20เนื่องจาก%20ความ%20เสถียร

ข้อความปฏิเสธความรับผิดชอบ：

1. บทความนี้ถูกพิมพ์ใหม่จาก [ @mustafa.hourani/explaining-the-recent-rise-of-fully-homomorphic-encryption-in-the-blockchain-industry-c7081fa05458">Medium]. ส่งต่อชื่อเรื่องต้นฉบับ 'อธิบายเหตุผลล่าสุดของการเข้ารหัสแบบโฮโมมอร์ฟิกเต็มรูปแบบในอุตสาหกรรมบล็อกเชน' สิทธิ์ในการทำสำเนาทั้งหมดเป็นของผู้เขียนต้นฉบับ [Mustafa Hourani]. หากมีข้อขัดแย้งใด ๆ เกี่ยวกับการพิมพ์ฉบับนี้ โปรดติดต่อ Gate Learnทีมและพวกเขาจะดำเนินการด้วยรวดเร็ว
2. คำปฏิเสธความรับผิด: มุมมองและความคิดเห็นที่แสดงอยู่ในบทความนี้เป็นเพียงของผู้เขียนเท่านั้น และไม่เป็นการให้คำแนะนำทางการลงทุนใด ๆ
3. การแปลบทความเป็นภาษาอื่นๆ ทำโดยทีม Gate Learn หากไม่ได้ระบุไว้ การคัดลอก การแจกจ่าย หรือการลอกเลียนแบบบทความที่ถูกแปลนั้นถือเป็นการละเมิด