FHE의 프로젝트 지도를 한눈에 보기
저자: Poopman
번역: TechFlow
FHE는 데이터를 복호화하지 않고도 암호화된 데이터에 대한 계산이 가능한 가능성을 열어줍니다.
블록체인, MPC, ZKP(확장성)와 결합될 때 FHE는 필요한 기밀성을 제공하며 다양한 체인 상의 사용 사례를 실현합니다.
FHE 현황 개요
본 주제에서는 다음을 다룰 것입니다:
-
FHE 배경
-
FHE는 어떻게 작동하는가?
-
FHE 생태계의 5개 영역
-
현재 FHE가 직면한 도전과 해결책
서론은 이 정도로 하고, 시작해보겠습니다.
FHE의 배경
FHE는 1978년 처음 제안되었지만 계산 복잡성 때문에 오랫동안 비실용적이며 매우 이론적인 상태였습니다.
2009년에야 Craig가 FHE를 위한 실현 가능한 모델을 개발하면서 이후 FHE에 대한 연구 관심이 급증했습니다.
2020년, TFHE와 fhEVM의 출시(@zama_fhe)는 FHE를 암호화 분야의 중심으로 끌어올렸습니다. 이후 @FhenixIO 및 @inconetwork와 같은 범용 EVM 호환 FHE L1/L2의 등장, 그리고 @SunscreenTech와 같은 FHE 컴파일러의 출현을 보게 되었습니다.
FHE는 어떻게 작동하는가?
당신이 퍼즐이 들어 있는 블라인드 박스를 가지고 있다고 상상해 보세요. 이 박스는 당신이 준 퍼즐에 대해 어떤 정보도 얻을 수 없지만 여전히 수학적 계산 결과를 낼 수 있습니다.
FHE에 대한 저의 지나치게 단순화된 설명에서 더 많은 내용을 확인하세요.
FHE의 몇 가지 사용 사례는 다음과 같습니다:
-
사설 체인 상 계산
-
체인 상 데이터 암호화
-
공공 네트워크 상의 사설 스마트 계약
-
암호화된 ERC20
-
비공개 투표
-
NFT 블라인드 경매
-
더 안전한 MPC
-
프론트런 방지
-
신뢰 없는 크로스체인 브릿지
FHE 생태계
전반적으로 체인 상 FHE의 전망은 다섯 가지 측면으로 요약할 수 있습니다.
-
범용 FHE
-
FHE/HE(응용) - 특정 용도
-
FHE 가속 하드웨어
-
FHE와 AI
-
"대체 솔루션"
범용 FHE 블록체인 및 도구
이들은 블록체인 내 기밀성을 구현하기 위한 핵심 요소입니다. SDK, 코프로세서, 컴파일러, 새로운 실행 환경, 블록체인, FHE 모듈 등을 포함합니다.
가장 어려운 점은 FHE를 EVM에 도입하는 것으로, 즉 fhEVM입니다.
일반적인 예시들: fhEVM
FHE 도구 / 인프라:
FHE/HE(응용) - 특정 용도
@penumbrazone — 크로스체인 Cosmos DEX(앱체인), tFHE를 이용하여 익명 교환/풀을 수행합니다. @zkHoldem — 포커 게임, @MantaNetwork는 HE와 ZKP를 활용해 게임의 공정성을 증명합니다.
FHE 가속 하드웨어
FHE-ML과 같이 계산 집약적인 작업에 FHE를 사용할 때 노이즈 증가를 줄이기 위한 부트스트래핑(bootstrap)이 중요합니다.
하드웨어 가속과 같은 솔루션은 부트스트래핑을 촉진하는 데 중요한 역할을 하며, ASIC이 가장 우수한 성능을 보입니다.
하드웨어 산업 참여 기업들: @Optalysys, @chainreactioni0, @Ingo_zk, @cysic_xyz. 각 기업은 칩, ASIC, 반도체 등 FHE의 부트스트래핑/계산을 가속화할 수 있는 하드웨어를 전문적으로 생산합니다.
FHE와 AI
최근 FHE를 AI/ML에 통합하려는 관심이 증가하고 있습니다.
이 과정에서 FHE는 민감한 정보 처리 시 머신이 어떠한 민감 정보도 학습하지 못하게 하며, 데이터, 모델, 출력 모두에 기밀성을 제공합니다.
-
AI x FHE 관련 기업들: @mindnetwork_xyz
"대체 솔루션"
일부는 FHE 대신 고가치 데이터 보호 및 "블라인드 컴퓨팅"을 위해 MPC를 사용하며, 다른 일부는 ZKSNARK를 사용하여 암호화된 데이터 위에서의 FHE 계산의 정확성을 보장합니다. 그들은 @nillionnetwork, @padolabs 입니다.
현재 FHE가 직면한 도전과 해결책
-
개발자 친화적이지 않음
현재로서는 표준화된 알고리즘과 전체적인 FHE 도구 지원이 부족한 상황입니다.
-
높은 계산 오버헤드(비용)
노이즈 관리 및 복잡한 계산을 위한 부트스트래핑으로 인해 노드의 중앙집중화가 발생할 수 있습니다.
-
안전하지 않은 체인 상 FHE 리스크
모든 임계값 복호화 시스템의 보안을 확보하기 위해선 복호화 키를 노드 간에 분배해야 합니다. 그러나 FHE의 오버헤드가 크기 때문에 검증자의 수가 적어질 수 있으며, 이는 공모 가능성을 높입니다.
해결책은?
-
프로그래머블 부트스트래핑:
부트스트래핑 과정 중 계산을 적용할 수 있게 하여 애플리케이션 특화와 동시에 효율성을 높입니다.
-
하드웨어 가속
ASIC, GPU, FPGA 및 OpenFHE 라이브러리를 개발하여 FHE 성능을 가속화합니다.
더 나은 임계값 복호화 시스템
간단히 말해, 체인 상 FHE의 보안을 강화하기 위해서는 다음을 보장할 수 있는 시스템(MPC일 수도 있음)이 필요합니다:
-
낮은 지연 시간
-
탈중앙화된 노드의 진입 장벽 감소
-
오류 허용성
이상입니다. 솔직히 말해, 이 트윗은 겨우 빙산의 일각일 뿐이며, FHE 생태계에 대해 알아야 할 것이 훨씬 더 많습니다.
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
@poopmandefi
