La carte des projets de chiffrement homomorphe complet (FHE) en un article
TechFlow SélectionTechFlow Sélection
La carte des projets de chiffrement homomorphe complet (FHE) en un article
Le FHE peut empêcher la machine d'apprendre des informations sensibles lors du traitement de celles-ci, tout en assurant la confidentialité des données, du modèle et des résultats via ce processus.
Dédié à des analyses Web3 approfondiesAuteur : Poopman
Traduction : TechFlow
Le FHE ouvre la possibilité de calculer sur des données chiffrées sans avoir besoin de les déchiffrer.
Lorsqu'il est combiné à la blockchain, au MPC et aux ZKP (extensibilité), le FHE fournit la confidentialité nécessaire et permet divers cas d'utilisation sur chaîne.
Aperçu actuel du FHE
Dans ce fil, je vais aborder :
-
Les bases du FHE
-
Comment fonctionne le FHE ?
-
Les 5 domaines de l'écosystème FHE
-
Les défis actuels du FHE et leurs solutions
Assez parlé, commençons.
Contexte du FHE
Le FHE a été proposé pour la première fois en 1978, mais en raison de sa complexité computationnelle, il est resté longtemps peu pratique et très théorique.
Ce n'est qu'en 2009 que Craig a développé un modèle viable pour le FHE, relançant ainsi l'intérêt pour cette technologie.
En 2020, le lancement de TFHE et de fhEVM par @zama_fhe a mis le FHE sous les projecteurs dans le domaine de la cryptographie. Depuis, nous avons vu apparaître des blockchains FHE L1/L2 compatibles EVM générales comme @FhenixIO et @inconetwork, ainsi que des compilateurs FHE comme @SunscreenTech.
Comment fonctionne le FHE ?
Imaginez une boîte aveugle contenant une énigme : bien qu'elle ne puisse pas connaître l'énigme elle-même, elle peut tout de même effectuer des calculs mathématiques dessus.
Pour plus de détails, consultez mon explication excessivement simplifiée du FHE.
Quelques cas d'utilisation du FHE incluent :
-
Calculs privés sur chaîne
-
Chiffrement des données sur chaîne
-
Contrats intelligents privés sur réseaux publics
-
ERC20 chiffrés
-
Votes privés
-
Enchères cachées pour NFT
-
MPC plus sécurisé
-
Protection contre le frontrunning
-
Ponts inter-chaînes sans confiance
Écosystème FHE
Globalement, l'avenir du FHE sur chaîne peut être résumé en cinq axes.
-
FHE généraliste
-
FHE/HE dédié à des cas d'utilisation spécifiques (applications)
-
Matériel accélérateur FHE
-
FHE et IA
-
“Solutions alternatives”
Blockchains et outils FHE généralistes
Ils constituent les piliers de la confidentialité dans les blockchains. Cela inclut les SDK, les coprocesseurs, les compilateurs, de nouveaux environnements d'exécution, les blockchains et modules FHE.
Le défi le plus difficile : intégrer le FHE dans l'EVM, soit le fhEVM.
Cas d'usage général : fhEVM
Outils FHE / Infrastructure :
FHE/HE pour cas d'utilisation spécifiques (applications)
@penumbrazone — Une DEX Cosmos inter-chaînes (chaîne d'applications) utilisant tFHE pour ses échanges/marchés masqués. @zkHoldem — Un jeu de poker où @MantaNetwork utilise le HE et les ZKP pour prouver l'équité du jeu.
Matériel accélérateur FHE
À chaque fois que le FHE est utilisé pour des calculs intensifs comme FHE-ML, le bootstrap (reboot) pour réduire l'accumulation de bruit est crucial.
Des solutions telles que l'accélération matérielle jouent un rôle important dans la facilitation du bootstrap, les ASIC étant les plus performants.
Les acteurs du matériel incluent : @Optalysys, @chainreactioni0, @Ingo_zk, @cysic_xyz. Chaque entreprise développe des puces, ASIC et semi-conducteurs spécialisés capables d'accélérer le bootstrap/calcul FHE.
FHE et IA
Récemment, l'intérêt pour l'intégration du FHE dans l'IA/ML a augmenté.
Le FHE peut empêcher la machine d'apprendre quoi que ce soit de sensible lors du traitement d'informations confidentielles, assurant ainsi la confidentialité des données, du modèle et des résultats.
-
Acteurs de l'IA x FHE : @mindnetwork_xyz
“Solutions alternatives”
Certains utilisent le MPC pour protéger les données à haute valeur et réaliser des « calculs aveugles », tandis que d'autres utilisent les ZKSNARK pour garantir la justesse des calculs FHE sur données chiffrées. Ce sont notamment : @nillionnetwork, @padolabs
Défis actuels du FHE et solutions proposées
-
Pas encore convivial pour les développeurs.
La situation actuelle reste marquée par un manque d'algorithmes standardisés et d'outils FHE bien intégrés.
-
Forte surcharge computationnelle (coût)
En raison de la gestion du bruit et du bootstrap requis pour les calculs complexes, cela pourrait entraîner une centralisation des nœuds.
-
Risque d'insécurité du FHE sur chaîne
Pour assurer la sécurité de tout système de déchiffrement seuil, la clé de déchiffrement doit être distribuée entre plusieurs nœuds. Toutefois, en raison de la lourdeur du FHE, cela pourrait limiter le nombre de validateurs, augmentant ainsi le risque de collusion.
Solutions ?
-
Bootstrap programmable :
Il permet d'appliquer des calculs durant le processus de bootstrap, améliorant ainsi l'efficacité tout en restant adapté aux applications spécifiques.
-
Accélération matérielle
Développement d'ASIC, GPU et FPGA, ainsi que de bibliothèques comme OpenFHE, afin d'accélérer les performances FHE.
Meilleurs systèmes de déchiffrement seuil
En résumé, pour renforcer la sécurité du FHE sur chaîne, nous avons besoin d'un système (qui pourrait être basé sur le MPC) capable d'assurer :
-
Faible latence
-
Réduction des barrières d'entrée pour les nœuds décentralisés
-
Tolérance aux pannes
Voici une explication technique faite par @0xArnav.
C'est tout. Honnêtement, ce fil ne fait qu'effleurer la surface. Il y a encore beaucoup à découvrir sur le paysage du FHE.
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
@poopmandefi
