ArkStream Capital : Pourquoi investir dans la voie FHE ?
TechFlow SélectionTechFlow Sélection
ArkStream Capital : Pourquoi investir dans la voie FHE ?
L'écosystème FHE recèle un potentiel et des opportunités illimités, méritant une exploration et une exploitation approfondies et continues.
Dédié à des analyses Web3 approfondies
Introduction
Dans le passé, la cryptographie a joué un rôle central dans le progrès de la civilisation humaine, en particulier dans les domaines de la sécurité de l'information et de la protection de la vie privée. Elle n’a pas seulement assuré une protection solide pour le transfert et le stockage des données dans divers secteurs, mais ses systèmes de clés publiques/privées asymétriques et fonctions de hachage ont également été ingénieusement combinés en 2008 par Satoshi Nakamoto pour concevoir le mécanisme de preuve de travail, résolvant ainsi le problème de double dépense. Ce fait a conduit à la naissance du Bitcoin, une monnaie numérique révolutionnaire, ouvrant une nouvelle ère pour l’industrie de la blockchain.
Avec l’évolution rapide de l’industrie blockchain, plusieurs technologies cryptographiques de pointe ont émergé, notamment les preuves à divulgation nulle (ZKP), le calcul multipartite (MPC) et le chiffrement homomorphe complètement homomorphe (FHE). Ces technologies sont désormais largement utilisées : par exemple, les ZKP combinées aux solutions Rollup permettent de surmonter le « triangle impossible » de la blockchain, tandis que le MPC associé au système de clés publiques/privées favorise une adoption massive des interfaces utilisateur. Quant au FHE, considéré comme l’un des Saint-Graals de la cryptographie, ses caractéristiques uniques permettent à un tiers d’effectuer un nombre illimité d’opérations sur des données chiffrées sans les déchiffrer, rendant ainsi possible un calcul privé composable sur chaîne, offrant de nouvelles perspectives dans de nombreux domaines et scénarios.
Aperçu rapide du FHE
Lorsque nous parlons de FHE (Fully Homomorphic Encryption), examinons d’abord la signification derrière ce terme. HE signifie chiffrement homomorphe, dont la propriété fondamentale est de permettre des calculs sur des textes chiffrés, ces opérations se reflétant directement sur les textes clairs — autrement dit, elles préservent les propriétés mathématiques des données chiffrées. La lettre « F » dans FHE indique que cet homomorphisme atteint un niveau supérieur, autorisant un nombre illimité d’opérations sur les données chiffrées.
Pour faciliter la compréhension, prenons une fonction linéaire simple comme algorithme de chiffrement afin d’illustrer l’homomorphisme additif et multiplicatif via une seule opération. En réalité, le FHE repose sur des algorithmes mathématiques bien plus complexes, nécessitant des ressources de calcul (CPU et mémoire) extrêmement élevées.
Bien que les principes mathématiques du FHE soient profonds et complexes, nous ne les approfondirons pas ici. Il convient de noter qu’en plus du FHE, il existe aussi des formes partiellement homomorphes ou partiellement multipartenaires dans le domaine du chiffrement homomorphe. Elles diffèrent principalement par les types d’opérations supportées et le nombre d’opérations autorisées, mais offrent toutes une base pour effectuer des calculs sur des données chiffrées. Toutefois, afin de rester concis, nous n’entrerons pas davantage dans ces distinctions.
Dans l’industrie FHE, bien que plusieurs grandes entreprises participent à la recherche et au développement, Microsoft et Zama se distinguent grâce à leurs produits open source (bibliothèques de code) remarquables par leur accessibilité et leur influence. Ils fournissent aux développeurs des implémentations FHE stables et efficaces, contribuant fortement au développement continu et à l’adoption large de cette technologie.
SEAL de Microsoft : bibliothèque FHE soigneusement développée par Microsoft Research, compatible non seulement avec le chiffrement complètement homomorphe, mais aussi avec le chiffrement partiellement homomorphe. SEAL propose une interface C++ performante et intègre de nombreux algorithmes d’optimisation, améliorant significativement les performances et l’efficacité du calcul.
TFHE de Zama : bibliothèque open source spécialisée dans le FHE haute performance. TFHE fournit ses services via une interface C et utilise des techniques et algorithmes avancés pour accélérer les calculs tout en réduisant la consommation de ressources.
Selon une logique simplifiée, le flux d’opération du FHE suit approximativement les étapes suivantes :
-
Génération de clés : utiliser une bibliothèque ou infrastructure FHE pour générer une paire de clés publique/privée.
-
Chiffrement des données : chiffrer les données destinées à être traitées via FHE à l’aide de la clé publique.
-
Calcul homomorphe : utiliser les fonctions de calcul homomorphe fournies par la bibliothèque FHE pour exécuter diverses opérations (addition, multiplication, etc.) sur les données chiffrées.
-
Déchiffrement du résultat : lorsque le résultat doit être consulté, l’utilisateur légitime utilise la clé privée pour déchiffrer le résultat du calcul.
Dans la pratique du FHE, la gestion de la clé de déchiffrement (génération, circulation, utilisation, etc.) est particulièrement cruciale. Puisque les résultats des calculs sur données chiffrées doivent parfois être déchiffrés pour être exploités, la clé de déchiffrement devient alors l’élément central garantissant la sécurité et l’intégrité des données brutes et transformées. Les stratégies de gestion de cette clé présentent de nombreuses similitudes avec la gestion classique des clés, mais en raison des particularités du FHE, des politiques plus rigoureuses et fines peuvent être conçues.
Pour la blockchain, étant donné ses caractéristiques de décentralisation, transparence et immuabilité, l’introduction d’un schéma de calcul sécurisé multipartite à seuil (Threshold Multi-Party Computation, TMPC) apparaît comme une option très prometteuse. Ce schéma permet à plusieurs participants de gérer collectivement la clé de déchiffrement, qui ne peut être utilisée que si un seuil prédéfini de participants collabore. Cela renforce non seulement la sécurité de la gestion des clés, mais réduit aussi le risque d’une compromission d’un seul nœud, offrant ainsi une forte garantie à l’application du FHE dans les environnements blockchain.
Fondations avec fhEVM
Du point de vue de la moindre intrusivité, la manière idéale d’implémenter le FHE sur blockchain consiste à l’emballer sous forme de bibliothèque de contrats intelligents universels, assurant légèreté et flexibilité. Toutefois, cela suppose que la machine virtuelle de contrat intelligent (VM) supporte préalablement les opérations mathématiques complexes et les instructions spécifiques requises par le FHE. Si la VM ne répond pas à ces exigences, il faut alors modifier en profondeur son architecture interne pour s’adapter aux besoins des algorithmes FHE, permettant ainsi une intégration transparente.
La EVM, largement adoptée et éprouvée depuis longtemps, devient naturellement le choix privilégié pour implémenter le FHE. Pourtant, peu d’acteurs œuvrent dans ce domaine. Là encore, on retrouve la société Zama, déjà connue pour son projet TFHE open source. En effet, Zama ne se contente pas de proposer la bibliothèque de base TFHE ; en tant qu’entreprise axée sur l’application du FHE dans l’intelligence artificielle et la blockchain, elle a lancé deux produits open source importants : Concrete ML et fhEVM. Concrete ML cible le calcul privé dans le machine learning. Grâce à lui, les scientifiques des données et praticiens peuvent entraîner et appliquer des modèles d’apprentissage automatique sur des données sensibles tout en protégeant la confidentialité, tirant pleinement parti des données sans craindre de fuites. L’autre produit, fhEVM, est une EVM entièrement homomorphe permettant d’exécuter des calculs privés via Solidity. fhEVM permet donc aux développeurs d’utiliser le chiffrement homomorphe complet dans les contrats intelligents Ethereum, assurant protection de la vie privée et sécurité des calculs.
En étudiant la documentation de fhEVM, on comprend que ses principales caractéristiques sont les suivantes :
-
fhEVM : au-delà du niveau bytecode EVM, il offre un support pour les opérations FHE sous forme de fonctions intégrées, via des contrats précompilés intégrant différentes versions de la bibliothèque FHE open source de Zama. De plus, une zone mémoire et de stockage EVM spécifique dédiée au FHE a été créée pour stocker, lire, écrire et valider les textes chiffrés FHE ;
-
Mécanisme de déchiffrement basé sur un protocole de seuil distribué : prend en charge une clé FHE globale pouvant chiffrer des données mixtes entre utilisateurs et contrats, avec stockage sur chaîne des clés chiffrées, et un mécanisme asynchrone où plusieurs validateurs partagent la clé de déchiffrement selon un schéma de calcul multipartite à seuil ;
-
Bibliothèque de contrats Solidity abaissant le seuil d’entrée pour les développeurs : définit des types de données chiffrées FHE, des types d’opérations, des appels de déchiffrement et des sorties chiffrées ;
Le fhEVM de Zama constitue un solide point de départ pour l’application du FHE dans les blockchains. Toutefois, compte tenu du fait que Zama se concentre principalement sur la recherche technologique, sa solution reste orientée vers l’aspect technique, avec moins de considérations sur l’ingénierie pratique et les applications commerciales. Par conséquent, lors du déploiement réel, fhEVM pourrait rencontrer divers défis imprévus, notamment liés au seuil d’entrée technique et à l’optimisation des performances.
Construction d’un écosystème : FHE-Rollups
Un simple fhEVM ne peut pas à lui seul former un projet ou un écosystème complet ; il ressemble davantage à un client parmi d’autres dans l’écosystème Ethereum. Pour devenir un projet autonome, fhEVM doit reposer sur une architecture de blockchain publique ou adopter une solution de niveau 2 (Layer2) ou niveau 3 (Layer3). Le développement de blockchains FHE doit inévitablement relever le défi de réduire la redondance et le gaspillage des ressources de calcul FHE entre les nœuds validateurs distribués. En revanche, les solutions Layer2/Layer3, qui existent déjà comme couche d’exécution de la blockchain, peuvent attribuer les calculs à quelques nœuds seulement, réduisant ainsi massivement les coûts computationnels. C’est pourquoi Fhenix, en pionnier, explore activement la combinaison de fhEVM avec la technologie Rollup, proposant une solution avancée de type FHE-Rollups en tant que Layer2.
Compte tenu de la complexité du mécanisme ZKP dans les ZK Rollups et des ressources colossales nécessaires pour générer les preuves de vérification, combiner directement le FHE total avec les ZK Rollups poserait de nombreux défis. Ainsi, à ce stade, choisir plutôt une solution Optimistic Rollups comme base technique paraît plus réaliste et efficace pour Fhenix.
La pile technologique de Fhenix comprend plusieurs composants clés : une variante du fraudeur prover d’Arbitrum Nitro, capable d’exécuter des preuves de fraude en WebAssembly, permettant ainsi d’exécuter en toute sécurité la logique FHE après compilation en WebAssembly. La bibliothèque centrale fheOS fournit toutes les fonctionnalités nécessaires pour intégrer la logique FHE dans les contrats intelligents. Le réseau de service de seuil (TSN) est un autre composant important : il héberge une clé réseau secrète partagée, divisée en plusieurs parts via une technique de partage de secret sécurisée, et assure des tâches critiques comme le déchiffrement des données quand nécessaire.
Sur la base de cette pile technologique, Fhenix a publié sa première version publique, Fhenix Frontier. Bien qu’il s’agisse d’une version précoce comportant des limitations et lacunes fonctionnelles, elle fournit déjà de manière complète des guides d’utilisation pour la bibliothèque de contrats intelligents, l’API Solidity, les outils de développement (comme Hardhat/Remix), et les bibliothèques JavaScript pour les interfaces frontend. Les développeurs et projets de l’écosystème intéressés peuvent consulter la documentation officielle pour explorer ces possibilités.
Coprocesseurs FHE agnostiques à la chaîne (Chain-Agnostic)
Au-delà des FHE-Rollups, Fhenix introduit habilement un module Relay, permettant à diverses blockchains publiques, L2 et L3 de se connecter aux coprocesseurs FHE pour bénéficier des fonctionnalités FHE. Cela signifie que même si la chaîne hôte initiale ne supporte pas nativement le FHE, elle peut désormais y accéder indirectement. Toutefois, puisque la période de contestation des preuves dans les FHE-Rollups dure généralement jusqu’à 7 jours, cela limite quelque peu l’adoption généralisée du FHE. Pour relever ce défi, Fhenix s’associe à EigenLayer, utilisant le mécanisme de Restaking d’EigenLayer pour offrir aux services des coprocesseurs FHE un canal plus rapide et pratique, améliorant considérablement l’efficacité et la flexibilité de l’ensemble du système FHE Coprocessor.
Le processus d’utilisation des coprocesseurs FHE est simple et clair :
-
Le contrat applicatif sur la chaîne hôte appelle le coprocesseur FHE pour exécuter des calculs chiffrés
-
Le contrat Relay met la requête en file d’attente
-
Les nœuds Relay surveillent le contrat Relay et transmettent l’appel au Rollup Fhenix dédié
-
Le Rollup FHE exécute les opérations de calcul FHE
-
Le réseau de seuil déchiffre la sortie
-
Les nœuds Relay renvoient le résultat et la preuve optimiste au contrat
-
Le contrat valide la preuve optimiste et transmet le résultat à l’appelant
-
Le contrat applicatif poursuit son exécution en utilisant le résultat obtenu
Guide de participation à Fhenix
Si vous êtes développeur, plongez-vous dans la documentation de Fhenix et développez votre propre application FHE pour explorer son potentiel dans des cas concrets.
Si vous êtes utilisateur, essayez les dApps proposées par les FHE-Rollups de Fhenix et découvrez la sécurité des données et la protection de la vie privée offertes par le FHE.
Si vous êtes chercheur, nous vous recommandons vivement de lire attentivement la documentation de Fhenix pour approfondir votre compréhension des principes, détails techniques et perspectives d’application du FHE, afin d’apporter une contribution plus précieuse dans votre domaine de recherche.
Meilleurs cas d’usage du FHE
Le FHE montre un large potentiel d’application, notamment dans les jeux omnichaînes, la DeFi et l’IA. Nous sommes fermement convaincus qu’il possède un énorme potentiel et un vaste champ d’application dans ces domaines :
-
Jeux omnichaînes avec protection de la vie privée : le FHE assure une protection cryptographique robuste des transactions financières et des actions des joueurs dans l’économie du jeu, empêchant efficacement les manipulations en temps réel et garantissant l’équité. Il permet aussi d’anonymiser les activités des joueurs, réduisant fortement les risques de fuite d’actifs financiers ou d’informations personnelles, assurant ainsi une protection complète de la vie privée.
-
DeFi / MEV : avec l’essor des activités DeFi, de nombreuses opérations sont victimes d’attaques MEV dans la « forêt obscure ». Pour relever ce défi, le FHE permet de protéger efficacement les données sensibles en cours de traitement (comme les positions, seuils de liquidation ou slippages), tout en préservant la logique métier. En appliquant le FHE, la santé de la DeFi sur chaîne s’améliore nettement, réduisant fortement la fréquence des comportements MEV néfastes.
-
IA : l’entraînement des modèles d’IA dépend de jeux de données. Quand ces données concernent des individus, la sécurité des informations sensibles devient primordiale. Le FHE devient alors la solution idéale : il permet de traiter des données chiffrées, achevant l’entraînement sans jamais exposer d’informations personnelles.
Reconnaissance communautaire du FHE
Le développement d’une technologie ne repose pas uniquement sur ses caractéristiques techniques. Pour mûrir et progresser durablement, il doit s’appuyer sur une recherche académique continue et une communauté active. Dans ce contexte, le FHE, surnommé le Saint-Graal de la cryptographie, voit déjà son potentiel et sa valeur largement reconnus. En 2020, Vitalik Buterin, dans son article « Exploring Fully Homomorphic Encryption », exprimait un soutien marqué au FHE. Récemment, il a de nouveau pris la parole sur les réseaux sociaux, renforçant encore cette position et appelant à davantage de ressources et d’efforts pour le développement du FHE. Parallèlement, de nouveaux projets, des organisations à but non lucratif, des recherches et formations émergent, accompagnés d’investissements croissants, annonçant tous les prémices d’une explosion technologique imminente.
L’écosystème précoce prometteur du FHE
Dans les débuts de l’écosystème FHE, outre l’entreprise fondatrice Zama et le projet phare Fhenix, plusieurs autres projets méritent une attention particulière :
-
Sunscreen : via un compilateur FHE développé en interne, il permet de convertir des langages de programmation classiques vers le FHE, conçoit un stockage décentralisé adapté aux textes chiffrés FHE, et livre les fonctionnalités FHE sous forme de SDK pour les applications Web3
-
Mind Network : combine le mécanisme de Restaking d’EigenLayer pour étendre la sécurité du réseau FHE dédié à l’IA et aux réseaux DePIN
-
PADO Labs : lance le zkFHE, fusionnant ZKP et FHE, et construit par-dessus un réseau de calcul décentralisé
-
**Arcium : **anciennement le protocole de confidentialité Elusiv sur Solana, récemment transformé en réseau de calcul confidentiel parallèle intégrant le FHE
-
Inco Network : basé sur fhEVM de Zama, se concentre sur l’optimisation des coûts et de l’efficacité du calcul FHE, visant à développer un écosystème complet en tant que Layer1
-
Treat : fruit d’un partenariat entre l’équipe Shiba et Zama, vise à étendre l’écosystème Shiba via un FHE Layer3
-
octra : réseau FHE développé en OCaml, AST, ReasonML et C++, prenant en charge un environnement d’exécution isolé
-
BasedAI : réseau distribué permettant d’intégrer des fonctionnalités FHE aux modèles LLM
-
Encifher : anciennement BananaHQ, désormais rebaptisé Rize Labs, travaille actuellement autour du FHE pour le FHEML
-
Privasea : réseau FHE conçu par l’équipe principale de NuLink, utilisant le framework Concrete ML de Zama, visant à protéger la vie privée lors de l’inférence de modèles ML dans le domaine de l’IA
Concernant les institutions à but non lucratif dédiées à la recherche et à l’éducation, nous recommandons vivement FHE.org et FHE Onchain, qui offrent des ressources précieuses pour la recherche académique et la vulgarisation dans tout l’écosystème.
En raison de limites de longueur, nous n’avons pu mentionner tous les projets remarquables de l’écosystème FHE. Mais soyez certains que cet écosystème recèle un potentiel et des opportunités infinis, dignes d’une exploration approfondie et continue.
Conclusion
Nous sommes très optimistes quant aux perspectives du FHE, et avons une grande confiance en Fhenix. Dès le lancement du réseau principal de Fhenix, nous prévoyons que des applications dans divers domaines seront améliorées grâce à cette technologie. Nous sommes convaincus que ce futur innovant et dynamique est désormais à portée de main.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
Arkstream Capital
