Hiểu rõ bản đồ các dự án mã hóa đồng hình toàn phần (FHE) trong một bài viết

2024.06.11

Chia sẻ đến

Tuyển chọn TechFlowTuyển chọn TechFlow

Hiểu rõ bản đồ các dự án mã hóa đồng hình toàn phần (FHE) trong một bài viết

FHE có thể ngăn máy học thu thập bất kỳ thông tin nhạy cảm nào trong quá trình xử lý thông tin nhạy cảm, đồng thời cung cấp tính bảo mật cho dữ liệu, mô hình và đầu ra thông qua quá trình này.

2024.06.11 - 04:58:44

FHE

Chuyên sâu báo cáo Web3

Tác giả: Poopman

Biên dịch: TechFlow

FHE mở ra khả năng tính toán trên dữ liệu được mã hóa mà không cần giải mã.

Khi kết hợp với blockchain, MPC và ZKP (khả năng mở rộng), FHE cung cấp mức độ bảo mật cần thiết và cho phép nhiều trường hợp sử dụng trên chuỗi.

Tổng quan hiện trạng FHE

Trong chủ đề này, tôi sẽ trình bày:

Nền tảng về FHE
FHE hoạt động như thế nào?
5 lĩnh vực của hệ sinh thái FHE
Các thách thức và giải pháp hiện tại đối với FHE

Không nói dài dòng nữa, hãy bắt đầu nào.

Nền tảng về FHE

FHE lần đầu tiên được đề xuất vào năm 1978, nhưng do độ phức tạp tính toán cao, nó đã không thực tế và mang tính lý thuyết trong một thời gian dài.

Cho đến năm 2009, Craig mới phát triển được mô hình FHE khả thi, kể từ đó, nghiên cứu về FHE bắt đầu bùng nổ.

Năm 2020, việc ra mắt TFHE và fhEVM của @zama_fhe đã đưa FHE trở thành tâm điểm trong lĩnh vực tiền mã hóa. Kể từ đó, chúng ta chứng kiến sự xuất hiện của các chuỗi L1/L2 EVM phổ quát hỗ trợ FHE như @FhenixIO, @inconetwork, cũng như các trình biên dịch FHE như @SunscreenTech.

FHE hoạt động như thế nào?

Bạn có thể hình dung như một chiếc hộp mù chứa câu đố, tuy chiếc hộp không thể biết thông tin gì về câu đố bạn đưa vào, nhưng vẫn có thể tính toán ra kết quả bằng toán học.

Hãy tìm hiểu thêm qua lời giải thích quá đơn giản của tôi về FHE tại đây: link.

Một số trường hợp sử dụng FHE gồm:

Tính toán riêng tư trên chuỗi
Mã hóa dữ liệu trên chuỗi
Hợp đồng thông minh riêng tư trên mạng công cộng
ERC20 được mã hóa
Bỏ phiếu riêng tư
Đấu giá NFT mù
MPC an toàn hơn
Bảo vệ chống front-run
Cầu nối chéo chuỗi không cần tin cậy

Hệ sinh thái FHE

Nhìn chung, tiềm năng của FHE trên chuỗi có thể được khái quát thành 5 lĩnh vực.

FHE phổ quát
FHE/HE cho các trường hợp sử dụng cụ thể (ứng dụng)
Phần cứng tăng tốc FHE
FHE và AI
"Giải pháp thay thế"

Blockchain và công cụ FHE phổ quát

Chúng là nền tảng để đạt được tính bảo mật trong blockchain. Bao gồm SDK, bộ xử lý phụ, trình biên dịch, môi trường thực thi mới, blockchain, module FHE.

Thử thách lớn nhất là: đưa FHE vào EVM, tức là fhEVM.

Ứng dụng phổ biến bao gồm: fhEVM

Công cụ / Hạ tầng FHE:

FHE/HE cho các trường hợp sử dụng cụ thể (ứng dụng)

@penumbrazone — một DEX cosmos liên chuỗi (chuỗi ứng dụng) sử dụng tFHE cho các giao dịch/bể ẩn danh. @zkHoldem — trò chơi poker, @MantaNetwork sử dụng HE và ZKP để chứng minh tính công bằng của trò chơi.

Phần cứng tăng tốc FHE

Mỗi khi FHE được dùng cho các tính toán nặng như FHE-ML, thì việc bootstrap để giảm tiếng ồn là rất quan trọng.

Các giải pháp như tăng tốc phần cứng đóng vai trò quan trọng trong việc thúc đẩy bootstrap, trong đó ASIC hoạt động tốt nhất.

Các thành viên trong ngành phần cứng bao gồm: @Optalysys @chainreactioni0 @Ingo_zk @cysic_xyz. Mỗi công ty chuyên sản xuất chip, ASIC và chất bán dẫn nhằm tăng tốc quá trình bootstrap/tính toán FHE.

FHE và AI

Gần đây, sự quan tâm tích hợp FHE vào AI/ML ngày càng gia tăng.

Ở đây, FHE có thể ngăn máy học thu thập bất kỳ thông tin nhạy cảm nào trong quá trình xử lý và đảm bảo tính bảo mật cho dữ liệu, mô hình và đầu ra.

Các thành viên trong lĩnh vực AI x FHE bao gồm: @mindnetwork_xyz
@theSightAI
@getbasedai
@Privasea_ai

"Giải pháp thay thế"

Một số người sử dụng MPC để bảo vệ dữ liệu giá trị cao và thực hiện "tính toán mù", thay vì dùng FHE; một số khác lại dùng ZKSNARK để đảm bảo tính đúng đắn của các phép tính FHE trên dữ liệu được mã hóa. Các dự án tiêu biểu: @nillionnetwork, @padolabs.

Các thách thức và giải pháp hiện tại đối với FHE

Chưa thân thiện với nhà phát triển.

Hiện tại vẫn thiếu các thuật toán chuẩn hóa và công cụ FHE hỗ trợ tổng thể.

Chi phí tính toán cao

Do quản lý tiếng ồn và bootstrapping cho các phép tính phức tạp, điều này có thể dẫn đến tập trung hóa các nút.

Rủi ro FHE trên chuỗi không an toàn

Để đảm bảo an toàn cho mọi hệ thống giải mã ngưỡng, khóa giải mã phải được phân phối giữa các nút. Tuy nhiên, do chi phí FHE cao, số lượng trình xác thực có thể ít, làm tăng khả năng thông đồng.

Giải pháp?

Bootstrap lập trình được:

Cho phép áp dụng các phép tính trong quá trình bootstrap, nâng cao hiệu suất theo từng ứng dụng cụ thể.
Tăng tốc phần cứng

Phát triển ASIC, GPU, FPGA và thư viện OpenFHE để tăng tốc hiệu suất FHE.