ArkStream Capital: 왜 우리는 FHE 분야에 투자하는가?
서론
과거에 암호학 기술은 인류 문명의 발전에서 매우 중요한 위치를 차지했으며, 특히 정보 보안 및 개인정보 보호 분야에서 대체 불가능한 역할을 수행해 왔습니다. 이는 다양한 분야에서 데이터 전송과 저장을 견고하게 보호할 뿐 아니라, 비대칭 키 암호화 체계와 해시 함수 등을 2008년 사토시 나카모토(Satoshi Nakamoto)가 창의적으로 융합하여 '이중 지출 문제'를 해결하는 작업 증명(PoW) 메커니즘을 설계함으로써, 혁신적인 디지털 화폐인 비트코인의 탄생을 이끌었고, 블록체인 산업의 새로운 시대를 열었습니다.
블록체인 산업이 계속 진화하고 급속도로 발전함에 따라 일련의 최첨단 암호학 기술들이 등장하게 되었으며, 그 중에서도 제로노우리지 프루프(ZKP), 다자간 계산(MPC), 그리고 전형태 동형암호(FHE)가 가장 두드러집니다. 이러한 기술들은 다양한 시나리오에서 광범위하게 활용되고 있는데, 예를 들어 ZKP는 Rollup 방식과 결합하여 블록체인의 "불가능한 삼각형(Impossibility Triangle)" 문제를 해결하며, MPC는 공개키-개인키 체계와 결합하여 사용자 입구의 대규모 도입(Mass Adoption)을 추진합니다. 특히 암호학의 성배 중 하나로 여겨지는 전형태 동형암호(FHE)는 제3자가 데이터를 복호화하지 않고도 암호화된 데이터에 대해 무제한의 계산과 조작을 수행할 수 있는 독보적인 특성을 지니고 있어, 조합 가능한 체인상의 개인정보 계산을 실현함으로써 여러 분야와 시나리오에 새로운 가능성을 제공합니다.
FHE 간략 소개
FHE(전형태 동형암호)라는 용어를 언급할 때, 먼저 이름이 내포하는 의미를 이해해볼 필요가 있습니다. 우선 HE는 동형암호 기술을 의미하며, 그 핵심 특성은 암호문(ciphertext)에 대해 직접 연산을 수행할 수 있고, 이러한 연산 결과가 평문(plaintext)에 자동으로 반영된다는 점입니다. 즉, 암호화된 데이터의 수학적 속성이 유지됩니다. 여기서 FHE의 "F"는 이러한 동형성(homomorphism)이 새로운 차원으로 확장되었음을 의미하며, 암호화된 데이터에 대해 무제한의 계산과 연산을 가능하게 합니다.
이해를 돕기 위해 가장 단순한 선형 함수를 암호 알고리즘으로 선택하고, 덧셈 동형인지 곱셈 동형인지를 한 번의 연산을 통해 설명하겠습니다. 물론 실제 FHE에서는 훨씬 더 복잡한 수학 알고리즘이 사용되며, 동시에 CPU와 메모리 같은 컴퓨팅 자원에 대한 요구가 극히 큽니다.
비록 FHE의 수학적 원리가 깊고 복잡하지만, 본 문서에서는 이를 심층적으로 다루지 않겠습니다. 참고로 동형암호 분야에는 FHE 외에도 부분 동형암호(partially homomorphic encryption)와 유사 동형암호(somewhat homomorphic encryption)가 존재합니다. 이들 주요 차이점은 지원되는 연산 유형과 허용되는 연산 횟수에 있으며, 그러나 모두 암호화된 데이터 상에서의 계산과 조작을 가능하게 한다는 점에서 동일합니다. 하지만 내용의 간결성을 유지하기 위해 여기서는 깊이 있게 논의하지 않겠습니다.
FHE 산업 내부에서는 많은 유명 기업들이 연구 개발에 참여하고 있지만, 마이크로소프트(MS)와 Zama는 각각 우수한 오픈소스 제품(코드 라이브러리)을 통해 뛰어난 실용성과 영향력을 발휘하고 있습니다. 이들은 개발자들에게 안정적이고 효율적인 FHE 구현을 제공함으로써 FHE 기술의 지속적인 발전과 광범위한 적용을 크게 촉진하고 있습니다.
마이크로소프트의 SEAL: 마이크로소프트 리서치에서 정성껏 개발한 FHE 라이브러리로, 전형태 동형암호뿐만 아니라 부분 동형암호도 지원합니다. SEAL은 효율적인 C++ 인터페이스를 제공하며, 다수의 최적화 알고리즘과 기술을 통합함으로써 계산 성능과 효율성을 현저히 향상시켰습니다.
Zama의 TFHE: 고성능 전형태 동형암호에 특화된 오픈소스 라이브러리입니다. TFHE는 C 언어 인터페이스를 통해 서비스를 제공하며, 일련의 최첨단 최적화 기술과 알고리즘을 활용하여 더 빠른 계산 속도와 낮은 자원 소모를 실현하는 것을 목표로 하고 있습니다.
가장 단순한 관점에서 FHE의 작동 흐름을 경험해보면 다음과 같습니다:
-
키 생성: FHE 라이브러리 또는 프레임워크를 사용하여 공개키와 개인키 쌍을 생성합니다.
-
데이터 암호화: 공개키를 사용하여 FHE 계산을 수행해야 하는 데이터를 암호화합니다.
-
동형 계산 수행: FHE 라이브러리가 제공하는 동형 계산 기능을 이용하여 암호화된 데이터에 대해 덧셈, 곱셈 등의 다양한 계산 작업을 수행합니다.
-
결과 복호화: 계산 결과를 확인해야 할 때, 정당한 사용자는 개인키를 사용하여 계산 결과를 복호화합니다.
FHE의 실제 적용에서 복호화 키 관리 방안(생성, 이전, 사용 등)은 특히 중요합니다. 암호화된 데이터의 계산 및 처리 결과는 특정 순간이나 시나리오에서 복호화되어 사용되어야 하므로, 복호화 키는 원본 데이터 및 가공된 데이터의 보안과 무결성을 보장하는 핵심 요소가 됩니다. 복호화 키 관리 방안은 사실상 전통적인 키 관리 방식과 많은 유사점을 가지지만, FHE의 특수성 때문에 더욱 엄격하고 세밀한 전략을 설계·채택할 수 있습니다.
블록체인의 경우, 탈중앙화, 투명성, 변조 불가능성 등의 특성 때문에 임계값 기반 다자간 안전 계산 방식(Threshold Multi-Party Computation, TMPC)을 도입하는 것은 매우 유망한 선택입니다. 이 방식은 다수의 참가자가 공동으로 복호화 키를 관리하고 제어하도록 하며, 미리 설정된 임계값(즉, 참가자 수)에 도달해야만 데이터를 성공적으로 복호화할 수 있도록 합니다. 이를 통해 키 관리의 보안성을 높이고, 단일 노드가 해킹당할 위험을 줄이며, 블록체인 환경에서 FHE의 적용에 강력한 보장을 제공합니다.
기반을 마련하는 fhEVM
최소한의 침투성(minimal intrusiveness)을 기준으로 블록체인에 FHE를 적용하는 이상적인 방법은 이를 범용 스마트 컨트랙트 코드 라이브러리로 패키징하여 경량성과 유연성을 보장하는 것입니다. 그러나 이 방안의 전제 조건은 스마트 컨트랙트 가상 머신(EVM)이 FHE에 필요한 복잡한 수학 연산 및 암호화 작업을 위한 특정 명령어 집합을 사전에 지원해야 한다는 점입니다. 만약 가상 머신이 이러한 요구를 충족하지 못한다면, FHE 알고리즘의 요구에 맞추어 가상 머신의 핵심 아키텍처를 심층적으로 맞춤화하고 개조하여 무결점 통합을 실현해야 합니다.
광범위하게 사용되고 오랜 기간 검증된 가상 머신인 EVM은 자연스럽게 FHE를 구현하기 위한 최선의 선택지가 되었습니다. 그러나 이 분야에서 실제로 실천하는 사례는 매우 드물며, 그 중에서도 우리는 다시 한번 오픈소스 TFHE를 제공하는 Zama 회사를 주목하게 됩니다. Zama는 기초 TFHE 라이브러리를 제공할 뿐 아니라, FHE 기술을 인공지능(AI) 및 블록체인 분야에 적용하는 데 집중하는 기술 기업으로서, 두 가지 중요한 오픈소스 제품을 출시했습니다. 바로 Concrete ML과 fhEVM입니다. Concrete ML은 머신러닝의 개인정보 계산에 초점을 맞추고 있으며, 이를 통해 데이터 과학자와 머신러닝 전문가들은 민감한 데이터를 보호하면서도 머신러닝 모델의 학습 및 추론을 수행할 수 있어, 개인정보 유출을 걱정하지 않고 데이터 자원을 충분히 활용할 수 있습니다. 다른 제품인 fhEVM은 Solidity를 통해 개인정보 계산을 지원하는 전형태 동형 EVM입니다. fhEVM을 통해 개발자들은 이더리움 스마트 컨트랙트 내에서 전형태 동형암호 기술을 사용하여 개인정보 보호 및 안전한 계산을 실현할 수 있습니다.
fhEVM 관련 자료를 살펴보면, fhEVM의 핵심 특징은 다음과 같습니다:
-
fhEVM: EVM 바이트코드 수준 외부에서 내장 함수 형태로, Zama의 오픈소스 FHE 라이브러리로부터 파생된 여러 상태의 프리컴파일된(precompiled) 컨트랙트를 통합하여 FHE 작업을 지원합니다. 또한 FHE 암호문의 저장, 읽기, 쓰기 및 검증을 위해 특별히 설계된 EVM 메모리 및 스토리지 영역을 마련합니다.
-
분산형 임계값 프로토콜 기반 복호화 메커니즘: 다수 사용자 및 다수 컨트랙트 간에 혼합된 암호화 데이터의 글로벌 FHE 키와 체인상 저장 암호화 키를 지원하며, 다수의 검증자 사이에서 임계값 기반 다자간 안전 계산 방식을 통해 복호화 키를 공유하는 비동기 암호화 메커니즘을 제공합니다.
-
개발자의 사용 장벽을 낮춘 Solidity 컨트랙트 라이브러리: FHE 암호화 데이터 유형, 연산 유형, 복호화 호출, 암호화 출력 등을 설계하였습니다.
Zama의 fhEVM은 블록체인 애플리케이션에서 FHE 기술을 적용하는 데 튼튼한 기반을 제공하지만, Zama가 주로 기술 개발에 집중하고 있기에 해당 솔루션은 기술적 측면에 더 치우쳐 있으며, 공학적 실현 및 상업적 적용에 대한 고려는 상대적으로 부족합니다. 따라서 fhEVM이 실제 적용으로 나아가는 과정에서 예상치 못한 다양한 도전에 직면할 수 있으며, 이는 기술적 장벽과 성능 최적화 문제 등을 포함합니다.
생태계를 구성하는 FHE-Rollups
단순한 fhEVM 자체로는 독립적인 프로젝트나 완전한 생태계를 구성하기 어렵습니다. 이는 마치 이더리움 생태계 내 다양한 클라이언트 중 하나와 유사합니다. 독립적인 프로젝트로서 자리매김하려면, fhEVM은 공개 블록체인(Public Chain) 수준의 아키텍처에 의존하거나 L2/L3 솔루션을 채택해야 합니다. FHE 공개 블록체인의 발전 방향은 분산된 검증자 노드들 사이에서 FHE 계산 자원의 중복과 낭비를 줄이는 방법을 반드시 해결해야 합니다. 반면, 공개 블록체인의 실행 계층으로서 존재하는 L2/L3 솔루션은 계산 작업을 소수의 노드에 배분함으로써 계산 비용을 몇 차례 감소시킬 수 있습니다. 이런 이유로 선구자인 Fhenix는 fhEVM과 Rollup 기술을 결합하는 것을 적극적으로 탐색하며, 진보된 FHE-Rollups형 L2 솔루션 구축을 제안합니다.
ZK Rollups 기술은 복잡한 ZKP 메커니즘을 포함하며, 검증에 필요한 증명을 생성하기 위해 막대한 계산 자원이 필요합니다. 전형태 FHE 자체의 특성과 결합하면, ZK Rollups 기반의 FHE-Rollups 솔루션을 직접 구현하는 것은 많은 도전에 직면하게 됩니다. 따라서 현재 단계에서는 ZK Rollups보다 Optimistic Rollups 방식을 Fhenix의 기술적 선택으로 삼는 것이 더욱 현실적이고 효율적입니다.
Fhenix의 기술 스택은 주로 다음의 핵심 구성 요소로 이루어져 있습니다: Arbitrum Nitro의 fraud prover를 변형한 것으로, WebAssembly(WASM)에서 사기 증명(fraud proof)을 수행할 수 있으므로, FHE 로직을 먼저 WASM으로 컴파일하여 안전하게 실행할 수 있습니다. 핵심 라이브러리 fheOS는 FHE 로직을 스마트 컨트랙트에 통합하기 위해 필요한 모든 기능을 제공합니다. 임계값 서비스 네트워크(TSN)는 또 다른 중요한 구성 요소로, 비밀 공유된 네트워크 키를 호스팅하며, 특정 알고리즘 기반의 비밀 공유 기술을 사용하여 키를 여러 조각으로 나누어 보안을 보장하고, 필요 시 데이터 복호화 등의 작업을 담당합니다.
위 기술 스택을 기반으로 Fhenix는 최초의 공개 버전인 Fhenix Frontier를 발표했습니다. 이는 많은 제약과 기능 누락이 있는 초기 버전이지만, 스마트 컨트랙트 코드 라이브러리, Solidity API, 컨트랙트 개발 도구 체인(Hardhat/Remix), 프론트엔드 상호작용용 JavaScript 라이브러리 등의 사용법을 포괄적으로 제공합니다. 이에 관심 있는 개발자 및 생태계 프로젝트 관계자는 공식 문서를 참고하여 탐색할 수 있습니다.
체인 독립형 FHE Coprocessors
FHE-Rollups 기반에서 Fhenix는 Relay 모듈을 교묘하게 도입하여 다양한 공개 블록체인, L2 및 L3 네트워크가 FHE Coprocessors에 접속하여 FHE 기능을 사용할 수 있도록 지원합니다. 이는 원래 FHE를 지원하지 않는 Host Chain이라 할지라도 간접적으로 FHE의 강력한 기능을 누릴 수 있음을 의미합니다. 그러나 FHE-Rollups의 증명 챌린지 기간은 일반적으로 7일 정도로 길기 때문에, 이는 FHE의 광범위한 적용을 어느 정도 제한합니다. 이 문제를 극복하기 위해 Fhenix는 EigenLayer와 협력하여, EigenLayer의 Restaking 메커니즘을 통해 FHE Coprocessors 서비스에 더욱 신속하고 편리한 경로를 제공하며, 전체 FHE Coprocessors의 효율성과 유연성을 크게 향상시킵니다.
FHE Coprocessors 사용 절차는 간단하고 명확합니다:
-
애플리케이션 컨트랙트가 Host Chain에서 FHE Coprocessor를 호출하여 암호화 계산 작업을 수행
-
Relay 컨트랙트가 요청을 큐에 저장
-
Relay 노드가 Relay 컨트랙트를 모니터링하고 호출을 전용 Fhenix Rollup으로 전달
-
FHE Rollup이 FHE 계산 작업을 수행
-
임계값 네트워크가 출력값을 복호화
-
Relay 노드가 결과 및 낙관적 증명(optimistic proof)을 컨트랙트로 반환
-
컨트랙트가 낙관적 증명을 검증하고 결과를 호출자에게 전송
-
애플리케이션 컨트랙트가 호출 결과를 활용하여 후속 실행
Fhenix 참여 가이드
당신이 개발자라면, Fhenix의 문서 자료를 깊이 있게 연구하고, 이를 기반으로 자신만의 FHE 기반 애플리케이션을 개발하여 실제 적용 가능성의 잠재력을 탐구할 수 있습니다.
당신이 사용자라면, Fhenix의 FHE-Rollups가 제공하는 dApp들을 체험해보고, FHE가 가져오는 데이터 보안성과 개인정보 보호를 직접 느껴보세요.
당신이 연구자라면, Fhenix의 문서 자료를 꼼꼼히 읽어보시기를 강력히 추천합니다. FHE의 원리, 기술 세부사항 및 응용 전망을 깊이 이해함으로써, 자신의 연구 분야에서 더 가치 있는 기여를 할 수 있을 것입니다.
FHE 최적 응용 시나리오
FHE 기술은 광범위한 응용 전망을 보여주며, 특히 올체인 게임, DeFi, AI 분야에서 우리는 이 기술이 거대한 발전 잠재력과 넓은 응용 공간을 가지고 있다고 굳게 믿습니다:
-
개인정보 보호가 가능한 올체인 게임: FHE 기술은 게임 경제 내 금융 거래 및 플레이어 행동에 강력한 암호화 보호를 제공하여 실시간 조작 행위를 효과적으로 방지하고, 게임의 공정성과 정의를 보장합니다. 동시에 FHE는 플레이어 활동을 익명화함으로써 플레이어의 금융 자산 및 개인정보 유출 위험을 현저히 줄여, 플레이어의 개인정보 보안을 종합적으로 보호합니다.
-
DeFi/MEV: DeFi 활동이 급격히 성장함에 따라 많은 DeFi 거래가 '암흑의 숲(dark forest)'에서 MEV 공격의 표적이 되고 있습니다. 이 문제를 해결하기 위해 FHE는 업무 로직 계산을 보장하는 전제 하에, 포지션 규모, 강제청산 라인, 거래 슬리피지 등 공개를 원치 않는 민감한 데이터를 효과적으로 보호할 수 있습니다. FHE를 적용함으로써 체인상 DeFi의 건강성이 현저히 향상되며, 악성 MEV 행위 발생 빈도를 크게 줄일 수 있습니다.
-
AI: AI 모델의 학습은 데이터셋에 의존하는데, 개인 데이터를 사용하여 학습할 경우, 개인의 민감한 데이터 보안이 최우선 과제가 됩니다. 이에 따라 FHE 기술은 AI 모델이 개인의 개인정보를 학습하는 데 이상적인 솔루션이 되며, AI가 암호화된 데이터 상에서 처리를 수행함으로써 어떤 개인 정보도 유출하지 않고 학습 과정을 완료할 수 있도록 합니다.
FHE의 커뮤니티 인정도
기술의 발전은 단지 기술적 강도만으로 이루어질 수 없습니다. 기술의 성숙과 지속적인 발전을 위해서는 지속적인 학술 연구와 적극적인 커뮤니티 구축이 필수적입니다. 이 면에서 FHE는 암호학계의 성배로 불리며, 그 잠재력과 가치는 이미 널리 인정받고 있습니다. 2020년, 비탈릭 부테린(Vitalik Buterin)은 "Exploring Fully Homomorphic Encryption"이라는 글에서 FHE 기술에 대해 높은 평가와 지지를 표명했습니다. 최근 그는 소셜미디어에서 다시 한번 발언하며 이 입장을 재확인하였고, FHE 기술 발전을 위해 더 많은 자원과 역량을 모으고자 호소했습니다. 이에 상응하여 지속적으로 등장하는 신규 프로젝트들과 비영리 연구 및 교육 조직, 그리고 지속적으로 유입되는 시장 자금 등은 모두 기술 폭발의 서곡가가 곧 시작될 것임을 예고하고 있습니다.
잠재력을 지닌 FHE 초기 생태계
FHE 생태계 발전 초기 단계에서, 핵심 기반 기술 서비스 기업인 Zama와 주목받는 우수 프로젝트 Fhenix 외에도, 아래와 같이 마찬가지로 탁월한 프로젝트들이 있어 깊이 있게 알아보고 주목할 가치가 있습니다:
-
Sunscreen: 자체 개발한 FHE 컴파일러를 통해 기존 프로그래밍 언어를 FHE로 변환할 수 있도록 지원하고, FHE 암호문의 탈중앙화 저장소를 설계하며, 마지막으로 SDK 형태로 Web3 애플리케이션에 FHE 기능을 제공합니다.
-
Mind Network: EigenLayer의 Restaking 메커니즘과 결합하여 AI 및 DePIN 네트워크의 보안성을 확장하는 FHE 네트워크입니다.
-
PADO Labs: ZKP와 FHE를 융합한 zkFHE를 출시하고, 이를 기반으로 탈중앙화 계산 네트워크를 구축합니다.
-
**Arcium:** 원래 솔라나의 개인정보 보호 프로토콜 Elusiv였으며, 최근 FHE 기반의 병렬 기밀 계산 네트워크로 전환되었습니다.
-
Inco Network: Zama의 fhEVM을 기반으로 FHE의 계산 비용과 효율성을 최적화하는 데 집중하며, 완전한 생태계를 발전시키는 L1입니다.
-
Treat: 시바팀과 Zama가 공동 개발 중인, 시바 생태계를 확장하는 FHE 기반 L3입니다.
-
octra: OCaml, AST, ReasonML 및 C++ 기반으로 격리 실행 환경을 지원하는 FHE 네트워크입니다.
-
BasedAI: LLM 모델에 FHE 기능을 도입할 수 있도록 지원하는 분산 네트워크입니다.
-
Encifher: 원래 BananaHQ였으며, 현재 Rize Labs로 사명을 변경하고 FHEML(FHE + Machine Learning)을 중심으로 사업을 전개하고 있습니다.
-
Privasea: NuLink 핵심 팀이 개발한 FHE 네트워크로, Zama의 Concrete ML 프레임워크를 활용하여 AI 분야의 머신러닝 추론 과정에서 데이터 개인정보 보호를 실현합니다.
비영리 연구 및 교육 기관의 경우, FHE.org와 FHE Onchain을 강력히 추천합니다. 이들은 전체 생태계의 학술 연구 및 교육 보급에 귀중한 자원을 제공합니다.
편집상의 이유로 FHE 생태계 내 모든 우수한 프로젝트를 일일이 나열하지는 못했습니다. 그러나 이 생태계는 무한한 잠재력과 기회를 내포하고 있으며, 지속적으로 깊이 있게 탐구하고 발굴할 가치가 있음을 믿어 의심치 않습니다.
결론
저희는 FHE 기술의 전망에 대해 낙관적이며, Fhenix 프로젝트에 큰 기대를 걸고 있습니다. Fhenix 메인넷이 출시되고 정식 운영되면, 다양한 분야의 애플리케이션이 FHE 기술로 인해 향상될 것으로 예상합니다. 저희는 이처럼 혁신적이고 역동적인 미래가 이미 눈앞에 다가왔다고 굳게 믿습니다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
Arkstream Capital
