ArkStream Capital: Tại sao chúng tôi đầu tư vào lĩnh vực FHE?
Tuyển chọn TechFlowTuyển chọn TechFlow
ArkStream Capital: Tại sao chúng tôi đầu tư vào lĩnh vực FHE?
Hệ sinh thái FHE ẩn chứa tiềm năng và cơ hội vô hạn, đáng để chúng ta tiếp tục khám phá và khai thác sâu sắc.
Chuyên sâu báo cáo Web3
Lời nói đầu
Trong quá khứ, các công nghệ mật mã đã đóng vai trò then chốt trong sự tiến bộ của nền văn minh nhân loại, đặc biệt là trong lĩnh vực an toàn thông tin và bảo vệ quyền riêng tư. Không chỉ cung cấp lớp bảo vệ vững chắc cho việc truyền tải và lưu trữ dữ liệu trên mọi lĩnh vực, mà hệ thống khóa công khai - bí mật cùng hàm băm còn được Satoshi sáng tạo kết hợp vào năm 2008 để thiết kế cơ chế Proof-of-Work giải quyết vấn đề chi tiêu kép, từ đó thúc đẩy sự ra đời của Bitcoin – đồng tiền điện tử cách mạng – và mở ra kỷ nguyên mới cho ngành công nghiệp blockchain.
Cùng với sự phát triển nhanh chóng và liên tục của ngành blockchain, nhiều công nghệ mật mã tiên tiến lần lượt xuất hiện, trong đó nổi bật nhất là Chứng minh không kiến thức (ZKP), Tính toán đa phương (MPC) và Mã hóa đồng dạng toàn phần (FHE). Những công nghệ này đã được ứng dụng rộng rãi trong nhiều tình huống: ví dụ như ZKP kết hợp với giải pháp Rollup để giải quyết bài toán "tam giác bất khả thi" của blockchain, MPC kết hợp với hệ thống khóa công khai - bí mật thúc đẩy ứng dụng quy mô lớn (Mass Adoption). Đối với FHE – một trong những "chiếc cốc thánh" của mật mã học – tính năng độc đáo cho phép bên thứ ba thực hiện vô số thao tác tính toán trên dữ liệu đã mã hóa mà không cần giải mã, từ đó đạt được khả năng tính toán riêng tư có thể tổ hợp trên chuỗi, mở ra tiềm năng mới cho nhiều lĩnh vực và ứng dụng.
Tổng quan nhanh về FHE
Khi nhắc đến FHE (Mã hóa đồng dạng toàn phần), ta có thể bắt đầu bằng việc hiểu ý nghĩa tên gọi. Trước hết, HE đại diện cho công nghệ mã hóa đồng dạng, đặc điểm cốt lõi là cho phép thực hiện các phép tính và thao tác trên văn bản đã mã hóa, đồng thời những thao tác này phản ánh trực tiếp lên văn bản gốc – tức là duy trì các thuộc tính toán học của dữ liệu mã hóa. Chữ “F” trong FHE biểu thị mức độ đồng dạng cao hơn hẳn, cho phép thực hiện vô hạn lần các thao tác tính toán trên dữ liệu đã mã hóa.
Để dễ hình dung, chúng tôi sử dụng hàm tuyến tính đơn giản nhất làm thuật toán mã hóa, kết hợp với một thao tác đơn lẻ để minh họa tính chất đồng dạng cộng và đồng dạng nhân. Tất nhiên, FHE thực tế sử dụng một loạt các thuật toán toán học phức tạp hơn nhiều, và những thuật toán này đòi hỏi rất cao về tài nguyên tính toán (CPU và bộ nhớ).
Mặc dù nguyên lý toán học của FHE sâu sắc và phức tạp, ở đây chúng tôi sẽ không đi sâu. Đáng chú ý là ngoài FHE, trong lĩnh vực mã hóa đồng dạng còn tồn tại hai hình thức khác là mã hóa đồng dạng từng phần (Partially Homomorphic Encryption) và mã hóa đồng dạng một phần (Somewhat Homomorphic Encryption). Điểm khác biệt chủ yếu nằm ở loại thao tác hỗ trợ và số lần phép toán cho phép, nhưng đều mở ra khả năng tính toán và thao tác trên dữ liệu đã mã hóa. Tuy nhiên, để giữ nội dung ngắn gọn, chúng tôi sẽ không thảo luận sâu ở đây.
Trong ngành FHE, mặc dù có nhiều doanh nghiệp nổi bật tham gia nghiên cứu và phát triển, nhưng Microsoft và Zama đã nổi bật nhờ các sản phẩm mã nguồn mở (thư viện mã) vượt trội về tính sẵn dùng và ảnh hưởng. Họ cung cấp cho các nhà phát triển các triển khai FHE ổn định và hiệu quả, góp phần to lớn thúc đẩy sự phát triển và ứng dụng rộng rãi của công nghệ FHE.
SEAL của Microsoft: Một thư viện FHE được phát triển kỹ lưỡng bởi Microsoft Research, hỗ trợ cả mã hóa đồng dạng toàn phần lẫn từng phần. SEAL cung cấp giao diện C++ hiệu quả và tích hợp nhiều thuật toán tối ưu, cải thiện đáng kể hiệu suất và hiệu quả tính toán.
TFHE của Zama: Là một thư viện mã nguồn mở chuyên về FHE hiệu suất cao. TFHE cung cấp dịch vụ qua giao diện ngôn ngữ C và áp dụng nhiều kỹ thuật, thuật toán tối ưu tiên tiến nhằm đạt tốc độ tính toán nhanh hơn và tiêu thụ tài nguyên thấp hơn.
Theo dòng suy nghĩ đơn giản nhất, quy trình thao tác FHE đại khái như sau:
-
Tạo khóa: Sử dụng thư viện/khung FHE để tạo một cặp khóa công khai - bí mật.
-
Mã hóa dữ liệu: Dùng khóa công khai để mã hóa dữ liệu cần xử lý bằng FHE.
-
Thực hiện tính toán đồng dạng: Sử dụng chức năng tính toán đồng dạng của thư viện FHE để thực hiện các thao tác tính toán (ví dụ: cộng, nhân...) trên dữ liệu đã mã hóa.
-
Giải mã kết quả: Khi cần xem kết quả tính toán, người dùng hợp lệ dùng khóa bí mật để giải mã kết quả.
Trong thực tiễn FHE, phương án quản lý khóa giải mã (tạo, luân chuyển, sử dụng...) đặc biệt quan trọng. Vì kết quả tính toán và thao tác trên dữ liệu đã mã hóa trong một số thời điểm và trường hợp cần được giải mã để sử dụng, nên khóa giải mã trở thành yếu tố cốt lõi đảm bảo an toàn và toàn vẹn dữ liệu gốc cũng như dữ liệu đã xử lý. Về phương án quản lý khóa giải mã, thực tế có nhiều điểm tương đồng với quản lý khóa truyền thống, nhưng do tính đặc thù của FHE, có thể thiết kế các chiến lược nghiêm ngặt và tinh vi hơn.
Đối với blockchain, nhờ đặc tính phi tập trung, minh bạch và bất biến, việc áp dụng phương án tính toán an toàn đa phương ngưỡng (Threshold Multi-Party Computation - TMPC) là lựa chọn đầy tiềm năng. Phương án này cho phép nhiều bên cùng tham gia quản lý và kiểm soát khóa giải mã; chỉ khi đạt ngưỡng số lượng người tham gia (số lượng đã định trước) thì mới có thể giải mã dữ liệu thành công. Điều này không chỉ nâng cao độ an toàn trong quản lý khóa mà còn giảm rủi ro bị tấn công vào một nút đơn lẻ, từ đó tạo nền tảng vững chắc cho ứng dụng FHE trong môi trường blockchain.
fhEVM – Nền tảng cơ sở
Xét theo góc độ xâm nhập tối thiểu, cách lý tưởng nhất để triển khai FHE trên blockchain là đóng gói nó thành một thư viện mã hợp đồng thông minh phổ dụng, nhằm đảm bảo tính linh hoạt và nhẹ nhàng. Tuy nhiên, điều kiện tiên quyết của phương án này là máy ảo hợp đồng thông minh phải được tích hợp sẵn tập lệnh chuyên biệt hỗ trợ các phép toán toán học phức tạp và thao tác mã hóa cần thiết cho FHE. Nếu máy ảo không đáp ứng được yêu cầu này, cần phải tùy chỉnh sâu vào kiến trúc cốt lõi của máy ảo để phù hợp với nhu cầu của thuật toán FHE, từ đó đạt được tích hợp liền mạch.
Là máy ảo được sử dụng rộng rãi và đã trải qua kiểm chứng lâu dài, EVM một cách tự nhiên trở thành lựa chọn hàng đầu để triển khai FHE. Tuy nhiên, trong lĩnh vực này số lượng người thực hành còn rất ít, và ở đây chúng ta lại thấy sự hiện diện của công ty Zama – đơn vị mã nguồn mở TFHE. Thực tế, Zama không chỉ cung cấp thư viện TFHE cơ bản mà còn là một công ty công nghệ chuyên ứng dụng FHE vào lĩnh vực trí tuệ nhân tạo và blockchain, đồng thời ra mắt hai sản phẩm mã nguồn mở quan trọng: Concrete ML và fhEVM. Concrete ML tập trung vào tính toán riêng tư trong học máy. Nhờ Concrete ML, các nhà khoa học dữ liệu và chuyên gia ML có thể huấn luyện và suy luận mô hình học máy trên dữ liệu nhạy cảm mà vẫn bảo vệ được quyền riêng tư, từ đó tận dụng tối đa nguồn dữ liệu mà không lo rò rỉ thông tin cá nhân. Sản phẩm còn lại, fhEVM, là một EVM đồng dạng toàn phần hỗ trợ Solidity thực hiện tính toán riêng tư. fhEVM cho phép các nhà phát triển sử dụng công nghệ mã hóa đồng dạng toàn phần trong hợp đồng thông minh Ethereum để đạt được bảo vệ riêng tư và tính toán an toàn.
Thông qua tài liệu fhEVM, chúng tôi nhận thấy các đặc điểm cốt lõi của fhEVM gồm:
-
fhEVM: Ở cấp độ không phải bytecode EVM, dưới dạng hàm nội trú, thông qua việc tích hợp nhiều hợp đồng tiền biên dịch ở trạng thái khác nhau từ thư viện FHE mã nguồn mở của Zama, hỗ trợ các thao tác FHE. Ngoài ra, dành riêng một vùng bộ nhớ và lưu trữ EVM đặc biệt để lưu trữ, đọc/ghi và xác minh văn bản mã hóa FHE;
-
Cơ chế giải mã dựa trên giao thức ngưỡng phân tán: Hỗ trợ cơ chế mã hóa bất đồng bộ, trong đó khóa FHE toàn cục và khóa mã hóa lưu trữ trên chuỗi có thể được mã hóa hỗn hợp giữa nhiều người dùng và nhiều hợp đồng, đồng thời khóa giải mã được chia sẻ giữa nhiều bên xác minh theo phương án tính toán an toàn đa phương ngưỡng;
-
Thư viện hợp đồng Solidity giúp giảm ngưỡng sử dụng cho nhà phát triển: Thiết kế kiểu dữ liệu mã hóa FHE, kiểu thao tác, lời gọi giải mã và đầu ra mã hóa...
fhEVM của Zama đã đặt nền móng vững chắc cho công nghệ FHE trong các ứng dụng blockchain. Tuy nhiên, xét thấy Zama chủ yếu tập trung vào nghiên cứu công nghệ, giải pháp của họ thiên về mặt kỹ thuật, còn suy nghĩ về triển khai kỹ thuật và ứng dụng thương mại thì tương đối ít. Do đó, trong quá trình đưa fhEVM vào ứng dụng thực tế, có thể gặp phải nhiều thách thức ngoài dự kiến, bao gồm nhưng không giới hạn ở ngưỡng kỹ thuật và tối ưu hiệu suất.
FHE-Rollups – Xây dựng hệ sinh thái
Bản thân fhEVM đơn thuần không thể cấu thành một dự án hay hệ sinh thái hoàn chỉnh, nó giống như một trong nhiều client đa dạng của hệ sinh thái Ethereum. Để đứng vững như một dự án độc lập, fhEVM cần dựa vào kiến trúc cấp độ blockchain công cộng hoặc áp dụng giải pháp Layer2/Layer3. Hướng phát triển của blockchain FHE không tránh khỏi việc giải quyết bài toán giảm dư thừa và lãng phí tài nguyên tính toán FHE giữa các nút xác minh phân tán. Ngược lại, các giải pháp Layer2/Layer3 vốn tồn tại như tầng thực thi của blockchain công cộng có thể phân bổ công việc tính toán sang một số ít nút, từ đó giảm đáng kể mức độ tiêu hao tính toán. Chính vì vậy, Fhenix – với tư cách là người đi đầu – đang tích cực khám phá việc kết hợp fhEVM với công nghệ Rollup, đề xuất xây dựng giải pháp Layer2 kiểu FHE-Rollups tiên tiến.
Xét đến việc công nghệ ZK Rollups liên quan đến cơ chế ZKP phức tạp và cần tài nguyên tính toán khổng lồ để tạo bằng chứng xác minh, nếu kết hợp với đặc tính vốn có của FHE toàn phần, việc trực tiếp triển khai giải pháp FHE-Rollups dựa trên ZK Rollups sẽ đối mặt với nhiều thách thức. Do đó, ở giai đoạn hiện tại, so với ZK Rollups thì việc chọn giải pháp Optimistic Rollups làm lựa chọn kỹ thuật cho Fhenix sẽ thực tế và hiệu quả hơn.
Stack công nghệ của Fhenix bao gồm một số thành phần chính sau: phiên bản biến thể của fraud prover Arbitrum Nitro, có khả năng thực hiện bằng chứng gian lận trên WebAssembly, do đó logic FHE có thể được biên dịch sang WebAssembly để chạy an toàn. Thư viện cốt lõi fheOS cung cấp tất cả chức năng cần thiết để tích hợp logic FHE vào hợp đồng thông minh. Mạng dịch vụ ngưỡng (TSN) là một thành phần quan trọng khác, nơi lưu trữ khóa mạng được chia sẻ bí mật, sử dụng kỹ thuật chia sẻ bí mật theo thuật toán cụ thể để chia nhỏ thành nhiều phần nhằm đảm bảo an ninh, và khi cần thiết sẽ chịu trách nhiệm giải mã dữ liệu.
Dựa trên stack công nghệ nêu trên, Fhenix đã phát hành phiên bản công khai đầu tiên mang tên Fhenix Frontier. Mặc dù đây là phiên bản sơ khai còn nhiều hạn chế và thiếu chức năng, nhưng nó đã cung cấp đầy đủ hướng dẫn sử dụng thư viện mã hợp đồng thông minh, API Solidity, chuỗi công cụ phát triển hợp đồng (như Hardhat/Remix), thư viện JavaScript tương tác frontend... Các nhà phát triển và dự án hệ sinh thái quan tâm có thể tham khảo tài liệu chính thức để tìm hiểu.
Coprocessor FHE độc lập chuỗi (Chain-Agnostic)
Trên nền tảng FHE-Rollups, Fhenix khéo léo giới thiệu module Relay, nhằm trao quyền cho nhiều blockchain công cộng, mạng L2 và L3 khác nhau có thể kết nối với FHE Coprocessors để sử dụng chức năng FHE. Điều này có nghĩa là, ngay cả những Host Chain ban đầu không hỗ trợ FHE, giờ đây cũng có thể gián tiếp tận hưởng sức mạnh của FHE. Tuy nhiên, do thời gian thách thức bằng chứng của FHE-Rollups thường kéo dài tới 7 ngày, điều này phần nào hạn chế ứng dụng rộng rãi của FHE. Để khắc phục thách thức này, Fhenix hợp tác cùng EigenLayer, thông qua cơ chế Restaking của EigenLayer, mở ra kênh nhanh chóng và thuận tiện hơn cho dịch vụ FHE Coprocessors, từ đó nâng cao đáng kể hiệu quả và tính linh hoạt của toàn bộ hệ thống FHE Coprocessors.
Quy trình sử dụng FHE Coprocessors đơn giản và rõ ràng như sau:
-
Hợp đồng ứng dụng trên Host Chain gọi FHE Coprocessor để thực hiện thao tác tính toán mã hóa
-
Hợp đồng Relay xếp hàng yêu cầu
-
Nút Relay theo dõi hợp đồng Relay và chuyển tiếp lời gọi đến Fhenix Rollup chuyên dụng
-
FHE Rollup thực hiện thao tác tính toán FHE
-
Mạng ngưỡng giải mã đầu ra
-
Nút Relay gửi lại kết quả và bằng chứng lạc quan cho hợp đồng
-
Hợp đồng xác minh bằng chứng lạc quan và gửi kết quả cho bên gọi
-
Hợp đồng ứng dụng tiếp tục thực thi dựa trên kết quả gọi
Hướng dẫn tham gia Fhenix
Nếu bạn là một nhà phát triển, bạn có thể nghiên cứu sâu tài liệu của Fhenix và dựa trên đó phát triển ứng dụng FHE riêng, khám phá tiềm năng ứng dụng thực tế của nó.
Nếu bạn là người dùng, hãy thử trải nghiệm các dApp do FHE-Rollups của Fhenix cung cấp, cảm nhận mức độ an toàn dữ liệu và bảo vệ riêng tư mà FHE mang lại.
Nếu bạn là nhà nghiên cứu, chúng tôi khuyến nghị mạnh mẽ bạn đọc kỹ tài liệu của Fhenix, tìm hiểu sâu về nguyên lý, chi tiết kỹ thuật và triển vọng ứng dụng của FHE, để có thể đóng góp giá trị hơn trong lĩnh vực nghiên cứu của bạn.
Ứng dụng tốt nhất của FHE
Công nghệ FHE thể hiện triển vọng ứng dụng rộng rãi, đặc biệt trong các lĩnh vực game toàn chuỗi, DeFi và AI. Chúng tôi tin chắc rằng FHE sở hữu tiềm năng phát triển lớn và không gian ứng dụng rộng lớn trong những lĩnh vực này:
-
Game toàn chuỗi bảo vệ riêng tư: Công nghệ FHE cung cấp lớp bảo mật mạnh mẽ cho các giao dịch tài chính và thao tác người chơi trong nền kinh tế game, hiệu quả ngăn chặn hành vi thao túng thời gian thực, đảm bảo tính công bằng và minh bạch của trò chơi. Đồng thời, FHE còn có thể ẩn danh hoạt động người chơi, giảm đáng kể rủi ro rò rỉ tài sản tài chính và thông tin cá nhân, từ đó bảo vệ toàn diện quyền riêng tư của người chơi.
-
DeFi/MEV: Cùng với sự bùng nổ của hoạt động DeFi, nhiều thao tác DeFi trở thành mục tiêu tấn công MEV trong "rừng tối". Để giải quyết thách thức này, FHE có thể bảo vệ hiệu quả các dữ liệu nhạy cảm không muốn tiết lộ trong DeFi – như khối lượng nắm giữ, đường thanh lý, trượt giá giao dịch – trong khi vẫn đảm bảo xử lý logic nghiệp vụ. Nhờ ứng dụng FHE, sức khỏe DeFi trên chuỗi có thể được cải thiện đáng kể, từ đó giảm tần suất hành vi MEV xấu.
-
AI: Việc huấn luyện mô hình AI phụ thuộc vào tập dữ liệu. Khi sử dụng dữ liệu cá nhân để huấn luyện, đảm bảo an toàn dữ liệu nhạy cảm cá nhân là điều kiện tiên quyết. Vì vậy, công nghệ FHE trở thành giải pháp lý tưởng để huấn luyện dữ liệu riêng tư cá nhân trong mô hình AI, cho phép AI xử lý trên dữ liệu đã mã hóa, từ đó hoàn thành quá trình huấn luyện mà không tiết lộ bất kỳ thông tin nhạy cảm cá nhân nào.
Mức độ công nhận của cộng đồng đối với FHE
Sự phát triển công nghệ không chỉ dựa vào đặc tính cứng cốt lõi. Muốn công nghệ trưởng thành và tiến bộ liên tục, cần dựa vào nghiên cứu học thuật hoàn thiện liên tục và lực lượng cộng đồng tích cực xây dựng. Trong khía cạnh này, FHE được gọi là "chiếc cốc thánh" của giới mật mã học, tiềm năng và giá trị của nó đã được công nhận rộng rãi. Năm 2020, Vitalik Buterin trong bài viết "Khám phá Mã hóa đồng dạng toàn phần" đã bày tỏ sự công nhận và ủng hộ cao độ với công nghệ FHE. Gần đây, ông lại lên tiếng trên mạng xã hội, một lần nữa khẳng định lập trường này và kêu gọi thêm nhiều nguồn lực cho sự phát triển của FHE. Song song đó, các dự án mới không ngừng xuất hiện, các tổ chức nghiên cứu và giáo dục phi lợi nhuận, dòng vốn thị trường tiếp tục đổ vào – tất cả dường như báo hiệu khúc dạo đầu của một cuộc bùng nổ công nghệ sắp diễn ra.
Hệ sinh thái sơ khai đầy tiềm năng của FHE
Trong giai đoạn đầu phát triển hệ sinh thái FHE, ngoài công ty dịch vụ công nghệ nền tảng cốt lõi Zama và dự án nổi bật Fhenix, còn có một loạt dự án xuất sắc khác xứng đáng để chúng ta tìm hiểu và theo dõi:
-
Sunscreen: Xây dựng trình biên dịch FHE tự phát triển, hỗ trợ chuyển đổi ngôn ngữ lập trình truyền thống sang FHE, thiết kế lưu trữ phi tập trung cho văn bản mã hóa FHE tương ứng, cuối cùng cung cấp tính năng FHE cho ứng dụng Web3 dưới dạng SDK
-
Mind Network: Kết hợp cơ chế Restaking của EigenLayer, xây dựng mạng lưới FHE chuyên mở rộng tính an toàn cho mạng AI và DePIN
-
PADO Labs: Ra mắt zkFHE – tích hợp ZKP và FHE – và xây dựng mạng tính toán phi tập trung trên nền tảng này
-
**Arcium:** Tiền thân là giao thức riêng tư Elusiv trên Solana, gần đây chuyển đổi thành mạng lưới tính toán riêng tư song song kết hợp FHE
-
Inco Network: Dựa trên fhEVM của Zama, tập trung tối ưu chi phí và hiệu suất tính toán FHE, từ đó phát triển hệ sinh thái hoàn chỉnh ở cấp Layer1
-
Treat: Được đội ngũ Shiba và Zama cùng phát triển, cam kết mở rộng hệ sinh thái Shiba với FHE Layer3
-
octra: Mạng FHE hỗ trợ môi trường thực thi cô lập, được phát triển dựa trên OCaml, AST, ReasonML và C++
-
BasedAI: Mạng phân tán hỗ trợ tích hợp chức năng FHE vào mô hình LLM
-
Encifher: Tiền thân là BananaHQ, hiện đổi tên thành Rize Labs, đang tập trung phát triển FHEML xung quanh FHE
-
Privasea: Mạng FHE do đội ngũ cốt lõi NuLink phát triển, sử dụng framework Concrete ML của Zama, hướng tới bảo vệ riêng tư dữ liệu trong quá trình suy luận ML trong lĩnh vực AI
Đối với các tổ chức nghiên cứu và giáo dục phi lợi nhuận, chúng tôi đặc biệt khuyến nghị FHE.org và FHE Onchain – những nền tảng cung cấp nguồn tài nguyên quý giá cho nghiên cứu học thuật và phổ cập giáo dục trong toàn bộ hệ sinh thái.
Do giới hạn độ dài, chúng tôi chưa thể liệt kê hết tất cả các dự án xuất sắc trong hệ sinh thái FHE. Nhưng hãy tin rằng, hệ sinh thái này ẩn chứa vô vàn tiềm năng và cơ hội, xứng đáng để chúng ta tiếp tục khám phá sâu và khai thác.
Kết luận
Chúng tôi rất lạc quan về triển vọng công nghệ FHE và đặt kỳ vọng rất cao vào dự án Fhenix. Ngay khi mainnet Fhenix được phát hành và đi vào hoạt động chính thức, chúng tôi dự đoán các ứng dụng ở nhiều lĩnh vực khác nhau sẽ được nâng tầm nhờ công nghệ FHE. Chúng tôi tin chắc rằng một tương lai đầy sáng tạo và năng động này đã ở rất gần.
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
Arkstream Capital
