Cifrado homomórfico: la estrella y los desafíos de la protección de la privacidad en Web3

Hasta el 13 de octubre, la discusión y la variación de precios de tres principales Activos Cripto son las siguientes:

El número de discusiones sobre Bitcoin la semana pasada fue de 12.52K, lo que representa una ligera disminución del 0.98% en comparación con la semana anterior. Su precio de cierre el domingo fue de 63916 dólares, un aumento del 1.62% en comparación con la misma semana del mes anterior.

La discusión sobre Ethereum aumentó la intensidad la semana pasada, alcanzando 3.63K interacciones, un incremento del 3.45%. Sin embargo, su precio de cierre del domingo fue de 2530 dólares, lo que representa una caída del 4% en comparación con la semana anterior.

La cantidad de discusiones sobre otra moneda encriptación la semana pasada fue de 782, lo que representa una disminución del 12.63% en comparación con la semana anterior. Su precio de cierre del domingo fue de 5.26 dólares, lo que representa una ligera caída del 0.25% en comparación con la semana anterior.

La encriptación homomórfica total (Fully Homomorphic Encryption, FHE) es una tecnología con un gran potencial en el campo de la criptografía. Su principal ventaja radica en la capacidad de realizar cálculos directamente sobre datos encriptados, sin necesidad de desencriptar, lo que proporciona un fuerte apoyo para la protección de la privacidad y el procesamiento de datos. La FHE tiene un amplio rango de aplicaciones, que abarca finanzas, salud, computación en la nube, aprendizaje automático, sistemas de votación, Internet de las cosas y la protección de la privacidad en blockchain, entre otros campos. Sin embargo, la FHE aún enfrenta numerosos desafíos en su camino hacia la comercialización.

Potencial y escenarios de aplicación de FHE

La mayor ventaja de la encriptación homomórfica radica en la protección de la privacidad. Por ejemplo, cuando una empresa necesita aprovechar la capacidad de cálculo de otra empresa para analizar datos, pero no desea que esta última tenga acceso al contenido específico, la FHE puede desempeñar un papel crucial. El propietario de los datos puede cifrar la información y enviarla a la parte que realiza el cálculo para su procesamiento; los resultados del cálculo aún permanecen en estado cifrado, y el propietario de los datos puede obtener los resultados del análisis una vez que los descifra. Este mecanismo protege la privacidad de los datos y a la vez permite realizar el trabajo de cálculo necesario.

Este mecanismo de protección de la privacidad es especialmente importante en industrias sensibles a los datos como las finanzas y la salud. Con el desarrollo de la computación en la nube y la inteligencia artificial, la seguridad de los datos se ha convertido cada vez más en un foco de atención. FHE puede proporcionar protección de cálculo multipartito en estos escenarios, permitiendo que las partes colaboren sin exponer información privada. En la tecnología blockchain, FHE mejora la transparencia y la seguridad del procesamiento de datos a través de funciones como la protección de privacidad en la cadena y la revisión de transacciones privadas.

Comparación de FHE con otros métodos de encriptación

En el ámbito de Web3, FHE, pruebas de cero conocimiento (ZK), cálculo multipartito (MPC) y entornos de ejecución confiables (TEE) son todos métodos principales de protección de la privacidad. A diferencia de ZK, FHE puede realizar múltiples operaciones sobre datos encriptados sin necesidad de desencriptar los datos primero. MPC permite que las partes realicen cálculos mientras los datos están encriptados, sin necesidad de compartir información privada entre sí. TEE proporciona computación en un entorno seguro, pero la flexibilidad en el procesamiento de datos es relativamente limitada.

Estas tecnologías de encriptación tienen sus propias ventajas, pero en el soporte de tareas de cálculo complejas, FHE destaca especialmente. Sin embargo, FHE todavía enfrenta problemas de alto costo computacional y baja escalabilidad en aplicaciones prácticas, lo que limita su desempeño en aplicaciones en tiempo real.

Limitaciones y Desafíos de FHE

A pesar de que la base teórica de FHE es sólida, se han encontrado desafíos prácticos en su aplicación comercial:

1. Gran costo computacional: FHE requiere una gran cantidad de recursos de computación, y en comparación con la computación no encriptada, su costo aumenta significativamente. Para operaciones polinómicas de alto grado, el tiempo de procesamiento crece de manera polinómica, lo que dificulta satisfacer las necesidades de computación en tiempo real. Reducir costos depende de la aceleración de hardware especializado, pero esto también aumenta la complejidad de la implementación.

2. Capacidad de operación limitada: Aunque FHE puede ejecutar adiciones y multiplicaciones de datos encriptados, el soporte para operaciones no lineales complejas es limitado, lo que representa un cuello de botella para aplicaciones de inteligencia artificial que involucran redes neuronales profundas. Actualmente, los esquemas de FHE son principalmente aplicables a cálculos lineales y polinómicos simples, mientras que las aplicaciones de modelos no lineales están significativamente restringidas.

3. Complejidad del soporte multiusuario: FHE funciona bien en escenarios de un solo usuario, pero la complejidad del sistema aumenta drásticamente cuando se trata de conjuntos de datos multiusuario. Aunque existen marcos de FHE de múltiples claves que permiten operar con conjuntos de datos encriptados con diferentes claves, la gestión de claves y la complejidad de la arquitectura del sistema aumentan significativamente.

La combinación de FHE e inteligencia artificial

En la actual era impulsada por datos, la inteligencia artificial (IA) se aplica ampliamente en múltiples campos, pero las preocupaciones sobre la privacidad de los datos a menudo hacen que los usuarios duden en compartir información sensible. FHE ofrece soluciones de protección de la privacidad en el ámbito de la IA. En el contexto de la computación en la nube, la transmisión y el almacenamiento de datos suelen estar encriptados, pero el proceso de procesamiento a menudo se realiza en texto claro. A través de FHE, los datos de los usuarios se pueden procesar manteniendo su estado de encriptación, asegurando la privacidad.

Esta ventaja es especialmente importante bajo regulaciones como el GDPR, que exigen que los usuarios tengan derecho a estar informados sobre la forma en que se procesan sus datos y aseguran que los datos estén protegidos durante la transmisión. La encriptación de extremo a extremo de FHE proporciona garantías de cumplimiento y seguridad de datos.

Aplicaciones y proyectos actuales de FHE en la blockchain

FHE se utiliza principalmente en la cadena de bloques para proteger la privacidad de los datos, incluyendo la privacidad en línea, la privacidad de los datos de entrenamiento de IA, la privacidad de las votaciones en línea y la revisión de transacciones privadas en línea. Actualmente, varios proyectos están utilizando la tecnología FHE para impulsar la implementación de la protección de la privacidad:

1. La solución FHE desarrollada por una empresa se aplica ampliamente en varios proyectos de protección de la privacidad.

2. Una empresa basada en la tecnología TFHE, centrada en operaciones booleanas y cálculos de enteros de baja longitud, ha construido una pila de desarrollo de FHE para aplicaciones de blockchain y AI.

3. Otra empresa ha desarrollado un nuevo lenguaje de contratos inteligentes y la biblioteca HyperghraphFHE, adecuada para redes de blockchain.

4. Hay empresas que utilizan FHE para lograr la protección de la privacidad en redes de cálculos de IA, apoyando varios modelos de IA.

5. Un proyecto que combina FHE con inteligencia artificial, proporcionando un entorno de IA descentralizado y que protege la privacidad.

6. También hay proyectos que actúan como soluciones de Layer 2 para Ethereum, que soportan FHE Rollups y FHE Coprocessors, son compatibles con EVM y soportan contratos inteligentes escritos en Solidity.

Conclusión

FHE como una tecnología avanzada que puede realizar cálculos sobre datos encriptados, tiene ventajas significativas en la protección de la privacidad de los datos. Aunque las aplicaciones comerciales actuales de FHE aún enfrentan problemas de alto costo computacional y baja escalabilidad, se espera que estos problemas se resuelvan gradualmente a través de la aceleración de hardware y la optimización de algoritmos. Con el desarrollo de la tecnología blockchain, FHE desempeñará un papel cada vez más importante en la protección de la privacidad y el cálculo seguro. En el futuro, FHE podría convertirse en la tecnología central que respalde el cálculo de protección de la privacidad, trayendo nuevos avances revolucionarios a la seguridad de los datos.