Nghiên cứu mã hóa đồng hình toàn phần: Tính toán mà không cần giải mã, sẽ mang lại những thay đổi gì cho Web3?
Tuyển chọn TechFlowTuyển chọn TechFlow
Nghiên cứu mã hóa đồng hình toàn phần: Tính toán mà không cần giải mã, sẽ mang lại những thay đổi gì cho Web3?
FHE là chiếc cốc thánh của điện toán, giá trị và việc xử lý đang chuyển dịch sang các mạng mở, không cần cho phép, và FHE sẽ làm nền tảng cho phần lớn cơ sở hạ tầng và ứng dụng cần thiết.
Chuyên sâu báo cáo Web3Khi thị trường chìm vào giai đoạn thị trường gấu, nhà đầu tư và các dự án luôn tìm kiếm những điểm tăng trưởng mới.
Trong giai đoạn trống vắng thiếu điểm nóng liên tục, đây chính là cơ hội tuyệt vời để khám phá và tìm hiểu sâu hơn về các công nghệ mới, bởi vì những công nghệ này có thể trở thành cốt lõi của câu chuyện thị trường tiếp theo.
Tháng trước, công ty đầu tư mạo hiểm mã hóa nổi tiếng Portal Ventures đã đăng một bài viết chi tiết trên blog chính thức của mình, thảo luận về công nghệ Mã hóa toàn đồng hình (FHE). Tuy nhiên, bài viết kỹ thuật chuyên sâu này dường như chưa thu hút sự chú ý rộng rãi từ đại chúng.
Tác giả của Portal Ventures nhận định: "Mã hóa toàn đồng hình là chiếc cốc thánh trong các phương án mã hóa".
Việc hiểu rõ các công nghệ được các quỹ VC quan tâm là cực kỳ quan trọng đối với nhà đầu tư, bởi nó giúp chúng ta dự đoán và nắm bắt xu hướng tiềm năng của chu kỳ thị trường tiếp theo. Thực tế, các công nghệ như mã hóa đồng hình, chứng minh không kiến thức (zero-knowledge proof) và tính toán an toàn đa bên (MPC) đều có ảnh hưởng sâu rộng trong lĩnh vực mật mã học, đặc biệt là mã hóa toàn đồng hình, vốn mang tiềm năng ứng dụng lớn trong lĩnh vực tiền mã hóa và web3.
Tuy nhiên vấn đề là, phần lớn mọi người biết rất ít về ý nghĩa thực sự, cách thức hoạt động và sự khác biệt giữa mã hóa toàn đồng hình với các công nghệ khác. Trong bối cảnh thị trường ảm đạm và tinh thần đầu tư xuống thấp, việc thoát khỏi ồn ào của các trào lưu và dành thời gian nghiên cứu sâu các công nghệ tiên tiến này là một lựa chọn thông minh.
Tình cờ thay, bản thân người viết nhiều năm trước đã từng có cơ hội tiếp xúc với các giải pháp công nghệ liên quan đến FHE trong công việc. Vì vậy, tôi quyết định phân tích sâu bài viết của Portal Ventures nhằm mang đến cho bạn đọc những góc nhìn và suy ngẫm mới.
Đồng hình và mã hóa toàn đồng hình thực ra là gì?
Nếu đọc trực tiếp bài viết gốc của Portal Ventures, bạn có thể cảm thấy bối rối trước mô tả toán học phức tạp về mã hóa toàn đồng hình (FHE).
Thực tế, thế giới mật mã học đầy rẫy các khái niệm hàn lâm và kỹ thuật, nhưng chúng ta hoàn toàn có thể giải thích những khái niệm này bằng cách đơn giản và dễ hiểu. Trong phần này, tôi sẽ cố gắng đưa ra những ví dụ trực quan và dễ tiếp cận hơn, giúp bạn hiểu sâu hơn về mã hóa toàn đồng hình.
Hãy tưởng tượng trước tiên về một “hộp ma thuật bí mật”. Bạn có thể bỏ bất kỳ vật phẩm nào vào hộp này rồi khóa lại. Một khi đã khóa, bạn không thể nhìn thấy hay chạm vào nội dung bên trong. Nhưng điều kỳ diệu là, chiếc hộp ma thuật này cho phép bạn thay đổi màu sắc hoặc hình dạng của vật phẩm bên trong mà không cần mở hộp ra.
Như hình trên, mã hóa toàn đồng hình (Fully Homomorphic Encryption) có thể được xem như một chiếc hộp ma thuật:
-
Phong bì của bạn (Your Envelope): Đại diện cho dữ liệu gốc mà bạn muốn mã hóa.
-
Thao tác hộp ma thuật (Magic Box Operation): Ngay cả khi không giải mã hay mở phong bì, bạn vẫn có thể thực hiện các thao tác (như cộng, trừ...) lên dữ liệu bên trong phong bì.
-
Phong bì mới (New Envelope): Sau khi qua thao tác hộp ma thuật, bạn sẽ nhận được một kết quả mã hóa mới.
Đây chính là tư tưởng cơ bản của mã hóa đồng hình: thực hiện thao tác trên dữ liệu đã mã hóa mà không cần biết đến bản thân dữ liệu đó.
Ví dụ đơn giản này giúp làm rõ "mã hóa toàn đồng hình" thực chất làm gì. Nhưng thực tế, khái niệm này vẫn còn chút mơ hồ kiểu "nghe xong như chưa nghe gì". Vậy thì, "toàn" và "đồng hình" thực ra là gì?
-
"Toàn" (Fully) nghĩa là gì?
-
Trong mật mã học, các phương án mã hóa có thể hỗ trợ nhiều loại thao tác như cộng, nhân... Khi nói một phương án mã hóa là "toàn đồng hình", tức là phương án đó cho phép thực hiện số lượng tùy ý các phép toán cơ bản (ví dụ cộng và nhân) trên dữ liệu đã mã hóa mà không cần giải mã. Điều này trái ngược với mã hóa đồng hình từng phần (chỉ hỗ trợ cộng hoặc chỉ hỗ trợ nhân).
-
"Đồng hình" (Homomorphic) nghĩa là gì?
-
"Đồng hình" bắt nguồn từ tiếng Hy Lạp, nghĩa là "cùng hình dạng hoặc cấu trúc". Trong mật mã học, khi nói một phương án mã hóa là đồng hình, nghĩa là một số phép toán khi áp dụng trên văn bản rõ (plaintext) sẽ cho cùng hiệu quả như khi áp dụng trên văn bản mã hóa (ciphertext). Nói cách khác, nếu bạn thực hiện một phép toán nào đó trên dữ liệu đã mã hóa, rồi giải mã kết quả, thì kết quả nhận được giống hệt như việc bạn giải mã dữ liệu trước rồi mới thực hiện phép toán tương tự trên dữ liệu đã giải mã.
-
Ví dụ, xét một phương án mã hóa hỗ trợ phép cộng đồng hình. Giả sử bạn có hai con số: 3 và 4. Bạn có thể mã hóa trước hai số này, sau đó dùng phương án mã hóa đồng hình để cộng hai số đã mã hóa lại với nhau. Cuối cùng, bạn giải mã kết quả phép cộng. Kết quả giải mã sẽ là 7, giống hệt như việc bạn cộng trực tiếp 3 và 4 ở dạng văn bản rõ.
Tuy nhiên, bạn có thể đặt câu hỏi: Làm sao thực hiện các phép toán cộng, trừ, nhân, chia trên những thứ không phải là số? Thực tế, chúng ta có thể dùng các phương pháp mã hóa đặc biệt để chuyển dữ liệu phi số thành dạng số, từ đó thực hiện các phép toán như cộng và nhân. Điều này có nghĩa là ứng dụng của mã hóa toàn đồng hình không chỉ giới hạn trong tính toán toán học, mà còn có thể được áp dụng rộng rãi trong các lĩnh vực khác.
Để giải thích trực quan hơn khái niệm này, hãy xem xét ví dụ về dữ liệu y tế.
-
Giả sử một bệnh viện có một số dữ liệu bệnh nhân như tuổi và mức đường huyết, nhưng vì lý do riêng tư nên không muốn gửi trực tiếp cho nhà cung cấp dịch vụ điện toán đám mây để phân tích.
-
Bằng cách sử dụng mã hóa toàn đồng hình, bệnh viện có thể mã hóa trước các dữ liệu này.
-
Hãy tưởng tượng nhà cung cấp dịch vụ đám mây cần tính độ tuổi trung bình của tất cả bệnh nhân (cần phép cộng và chia), cũng như tổng mức đường huyết nhân với số lượng bệnh nhân (liên quan đến phép cộng và nhân).
-
Tất cả các phép tính này đều có thể thực hiện trên dữ liệu đã mã hóa mà không cần giải mã. Nhà cung cấp dịch vụ đám mây hoàn thành tính toán mà không cần giải mã dữ liệu, sau đó trả lại kết quả đã mã hóa cho bệnh viện. Điều này đảm bảo quyền riêng tư của dữ liệu đồng thời đáp ứng nhu cầu xử lý dữ liệu.
Đây chính là sức hấp dẫn của mã hóa toàn đồng hình – nó cung cấp cho chúng ta một phương pháp xử lý dữ liệu vừa an toàn vừa linh hoạt.
Tại sao FHE lại quan trọng?
Hiện nay, các phương pháp hiện có để tính toán trên dữ liệu đã mã hóa đều không lý tưởng. Chúng tiêu tốn nhiều tài nguyên và thời gian.
Do đó, quy trình tiêu chuẩn trong ngành là trước khi tính toán, bên thứ ba (tức công ty) sẽ giải mã dữ liệu.
Lấy một ví dụ cụ thể: Hãy tưởng tượng bạn có một tập tin dữ liệu chứa thông tin tài chính của một số cá nhân nổi bật.
-
Chúng ta gọi tập tin này là “M”. Chúng ta cần một công ty nào đó phân tích dữ liệu này.
-
Quy trình hiện tại diễn ra như thế nào? Trước tiên, tôi sử dụng hàm mã hóa như RSA hoặc AES để mã hóa M. Lúc này, M trở thành E(M), trong đó E là hàm mã hóa.
-
Tiếp theo, tôi gửi E(M) đến máy chủ công ty. Công ty hiện tại sử dụng hàm giải mã D tương ứng để giải mã E(M) thành văn bản rõ, tức là D(E(M)) = M.
-
Công ty thực hiện phân tích trực tiếp trên tập tin M ở dạng văn bản rõ.
-
Sau khi hoàn tất, họ mã hóa lại M, tạo thành E(M’).
-
Công ty gửi lại M’ đã mã hóa cho tôi, rồi tôi giải mã nó lần nữa.
Bạn nhận ra vấn đề then chốt chưa? Khi công ty giải mã M và lưu trữ nó trên máy chủ để tính toán, bên thứ ba có thể truy cập vào dữ liệu nhạy cảm vốn lẽ ra cần được bảo vệ. Nếu hệ thống bị tin tặc tấn công hoặc có ý đồ xấu, điều này sẽ gây ra rủi ro nghiêm trọng.
Mã hóa toàn đồng hình (FHE) giải quyết vấn đề này bằng cách cho phép tính toán trực tiếp trên dữ liệu đã mã hóa. Công ty không cần giải mã E(M). Họ thực hiện phân tích trực tiếp trên dữ liệu đã mã hóa. Không cần giải mã, cũng không cần tin tưởng vào bên thứ ba.
Tóm lại, việc giới thiệu mã hóa toàn đồng hình giải quyết một vấn đề then chốt trong quy trình xử lý dữ liệu hiện nay – rủi ro rò rỉ thông tin riêng tư khi dữ liệu được xử lý bởi bên thứ ba. FHE cung cấp cho chúng ta một phương pháp xử lý dữ liệu đã mã hóa hiệu quả đồng thời đảm bảo quyền riêng tư.
Ứng dụng của FHE trong Crypto là gì?
Mã hóa toàn đồng hình (FHE) mở ra một cánh cửa mới cho thế giới mã hóa, mang đến nhiều kịch bản ứng dụng trước đây không thể tưởng tượng. Bản gốc bài viết từ Poly Venture mô tả các tình huống khá sơ lược, chúng ta thử tóm tắt và phân tích có hệ thống hơn bằng một bảng biểu.
FHE vs ZK vs MPC, khó phân biệt?
Sau khi tìm hiểu về mã hóa toàn đồng hình (FHE), người ta dễ dàng so sánh nó với các công nghệ quen thuộc khác như chứng minh không kiến thức (ZK) và tính toán đa bên an toàn (MPC). Nhìn thoáng qua, chúng dường như đều hướng tới giải quyết các vấn đề riêng tư và tính toán tương tự. Nhưng thực tế, mối liên hệ và khác biệt giữa ba công nghệ này là gì?
Trước tiên, hãy tìm hiểu định nghĩa cơ bản của ba công nghệ này:
-
FHE: Cho phép thực hiện tính toán trên dữ liệu đã mã hóa mà không cần giải mã.
-
ZK: Cho phép một bên chứng minh với bên kia rằng một khẳng định là đúng, mà không tiết lộ bất kỳ thông tin cụ thể nào về khẳng định đó.
-
MPC: Cho phép nhiều bên cùng thực hiện tính toán trên dữ liệu riêng tư của họ mà không tiết lộ dữ liệu đầu vào cho các bên khác.
Tiếp theo, hãy xem xét sự giống và khác nhau giữa chúng theo nhiều khía cạnh:
-
Mục đích:
-
Mục đích chính của FHE là thực hiện tính toán mà không cần giải mã.
-
Mục tiêu của ZK là chứng minh tính đúng đắn của một sự thật mà không tiết lộ bất kỳ thông tin nào về sự thật đó.
-
Mục tiêu của MPC là cho phép nhiều bên cùng tính toán một cách an toàn, mà không tiết lộ dữ liệu đầu vào riêng biệt.
-
Riêng tư và tính toán:
-
Trong ZK, tính toán không nhất thiết phải riêng tư. Ví dụ, dù bạn có thể dùng ZK để xác minh số dư tài khoản ngân hàng có vượt quá 100.000 đô la hay không, nhưng quá trình tính toán để xác minh lại không nhất thiết phải riêng tư.
-
Ngược lại, FHE đảm bảo tính riêng tư của phép tính, vì mọi tính toán đều diễn ra trên dữ liệu đã mã hóa.
-
Hạn chế và thách thức:
-
MPC yêu cầu ít nhất một máy chủ trung thực, và có thể bị ảnh hưởng bởi các cuộc tấn công DDoS, âm mưu im lặng hoặc chi phí truyền thông cao.
-
ZK chủ yếu dùng để chứng minh tính đúng đắn, chứ không phải là công nghệ bảo vệ riêng tư.
-
Dù FHE cung cấp khả năng bảo vệ riêng tư mạnh mẽ, nhưng hiệu suất tính toán thấp và đòi hỏi nhiều tài nguyên.
-
Ứng dụng trong lĩnh vực mã hóa:
-
FHE có thể dùng để xây dựng các hợp đồng thông minh và ứng dụng blockchain riêng tư hơn.
-
ZK được dùng để tạo các giải pháp blockchain mở rộng như zk-rollups.
-
MPC chủ yếu dùng trong quản lý và lưu giữ khóa riêng.
-
Kết hợp sử dụng:
-
MPC có thể kết hợp với FHE để tạo thành FHE ngưỡng (threshold FHE), tăng cường bảo mật bằng cách chia nhỏ khóa mã hóa FHE thành nhiều phần và phân phối cho từng bên tham gia.
-
zkFHE là sự kết hợp giữa chứng minh không kiến thức và mã hóa toàn đồng hình, đang được nghiên cứu để triển khai zk-rollups trên các hợp đồng thông minh FHE.
Tổng thể, mặc dù FHE, ZK và MPC có một số điểm giao nhau, nhưng mỗi công nghệ đều có ưu thế và phạm vi ứng dụng riêng biệt. Trong thế giới mã hóa, cả ba công nghệ này đều mang tiềm năng to lớn trong việc tăng cường riêng tư và bảo mật, nhưng việc kết hợp và nghiên cứu sâu hơn vẫn là một lĩnh vực sôi động trong cộng đồng mã hóa.
Cuối cùng, chúng ta cũng có thể đưa ra một bảng tóm tắt "tiết kiệm thời gian", so sánh các công nghệ trên để giúp bạn đọc dễ hình dung hơn.
Triển vọng tương lai của FHE
Qua phần trên có thể cảm nhận rõ ràng rằng, mã hóa toàn đồng hình (FHE) rõ ràng là một công nghệ mạnh mẽ.
Nhưng tại sao nó vẫn chưa được áp dụng rộng rãi, thậm chí hiếm khi được nhắc đến trong cộng đồng crypto? Một mặt là do rào cản hiểu biết công nghệ này khá cao, mặt khác là vì FHE hiện vẫn đối mặt với một số thách thức, khiến việc thương mại hóa và phổ biến rộng rãi gặp khó khăn.
Những thách thức có thể kể đến:
-
Tính toán nặng: Khi các văn bản mã hóa tương tác với nhau, để duy trì tính an toàn, hệ thống sẽ thêm nhiễu. Các phương án FHE sử dụng kỹ thuật “tự nâng cấp” (bootstrapping) để giảm nhiễu, nhưng thao tác này rất tốn tài nguyên và đòi hỏi nhiều năng lực tính toán.
-
Chức năng hạn chế: Tính toán FHE chỉ giới hạn ở phép cộng, phép nhân và các biến thể/kết hợp của chúng. Ví dụ, không thể dùng câu lệnh if trong FHE vì nội dung đã được mã hóa. Ngoài ra, việc xây dựng các thao tác phức tạp hơn như so sánh hay chia cần lập kế hoạch logic cơ bản cẩn thận, dẫn đến kỹ thuật lập trình phức tạp hơn và hiệu suất tính toán thấp.
-
Vấn đề tương thích/kết hợp: Các ứng dụng và nhà cung cấp dịch vụ hiện tại không được xây dựng để tính toán trên dữ liệu đã mã hóa. Điều này hạn chế khả năng tích hợp FHE với công nghệ hiện có và làm tăng độ trễ khi phát triển các ứng dụng hỗ trợ FHE.
Các giải pháp tiềm năng:
-
Bộ gia tốc phần cứng: Một số phương án FHE như nuFHE và cuFHE có thể dùng GPU để tăng tốc, nhưng bước đột phá chính sẽ đến từ FPGA và ASIC nhanh hơn. Các công nghệ khác như công nghệ photon cũng đang được nghiên cứu để tăng tốc các trường hợp sử dụng FHE trên phần cứng.
-
Phạm trù lập trình mới: Cũng như các gói hỗ trợ toán học phức tạp trên Python như pandas và numpy, các thư viện FHE cũng sẽ được xây dựng. Hiện tại, Zama và Sunscreen là hai dự án đang xây dựng các thư viện và SDK cho FHE. Ngoài ra, cần xây dựng các trình biên dịch chuyên biệt để giúp nhà phát triển tích hợp thống nhất FHE, ZKP và MPC.
-
Tích hợp giữa FHE và các giải pháp hiện tại: Sẽ xây dựng các giải pháp trung gian giúp các công cụ hiện có tương thích với FHE, đóng vai trò cầu nối giữa công cụ và dữ liệu đã mã hóa FHE.
Cuối cùng, Portal Ventures nhấn mạnh lại trong phần kết luận của bài viết gốc:
“FHE là chiếc cốc thánh của tính toán, và chúng ta đang tiến gần đến việc thương mại hóa nó. Giá trị và tính toán đang chuyển dịch sang các mạng lưới mở, không cần giấy phép, và chúng tôi tin rằng FHE sẽ là nền tảng cho phần lớn hạ tầng và ứng dụng cần thiết”.
Hơn nữa, họ cũng bày tỏ sự quan tâm đến các dự án hiện đang nghiên cứu FHE. Vì vậy, chúng ta có thể thấy rằng các quỹ VC quan tâm đến FHE, hoặc nói cách khác, các quỹ VC thường là những người tiên phong quan tâm đến các công nghệ chuyên sâu chưa phổ biến rộng rãi.
Lịch sử cho thấy, các dự án mã hóa dựa trên công nghệ mới thường mang hào quang rực rỡ và mức định giá cao, đồng thời thu hút sự săn đón của các dòng vốn.
Trước khi bữa tiệc tiếp theo bắt đầu, chúng ta thực sự nên dành thêm thời gian tìm hiểu kỹ về danh tính của những vị khách mời, để khi buổi tiệc khởi sự, ta có thể ứng phó một cách chủ động.
Chào mừng tham gia cộng đồng chính thức TechFlow
Nhóm Telegram:https://t.me/TechFlowDaily
Tài khoản Twitter chính thức:https://x.com/TechFlowPost
Tài khoản Twitter tiếng Anh:https://x.com/BlockFlow_News
深潮TechFlow
