По состоянию на 13 октября, обсуждение и изменения цен на три основных криптоактива выглядят следующим образом:
Обсуждений биткойна на прошлой неделе было 12,52K, что на 0,98% меньше по сравнению с предыдущей неделей. Его цена закрытия в воскресенье составила 63916 долларов, что на 1,62% выше, чем на ту же дату на предыдущей неделе.
Обсуждения по Эфиру на прошлой неделе возросли до 3.63K раз, увеличившись на 3.45%. Тем не менее, его цена закрытия в воскресенье составила 2530 долларов, что на 4% ниже по сравнению с аналогичным периодом прошлой недели.
Обсуждение другого криптоактива на прошлой неделе составило 782 раза, что на 12,63% меньше, чем на предыдущей неделе. Его цена закрытия в воскресенье составила 5,26 долларов, что на 0,25% ниже по сравнению с предыдущей неделей.
Гомоморфное шифрование (Fully Homomorphic Encryption, FHE) является очень перспективной технологией в области криптографии. Его основное преимущество заключается в возможности выполнения вычислений непосредственно на зашифрованных данных без необходимости расшифровки, что предоставляет мощную поддержку для защиты конфиденциальности и обработки данных. Применение FHE широко, охватывая множество областей, включая финансы, здравоохранение, облачные вычисления, машинное обучение, голосовые системы, Интернет вещей и защиту конфиденциальности в блокчейне. Тем не менее, FHE по-прежнему сталкивается с многочисленными вызовами на пути к коммерциализации.
Потенциал и сценарии применения FHE
Главное преимущество гомоморфного шифрования заключается в защите конфиденциальности. Например, когда компании необходимо использовать вычислительные мощности другой компании для анализа данных, но при этом не хочется, чтобы вторая сторона имела доступ к конкретному содержимому, FHE может сыграть свою роль. Владельцы данных могут зашифровать информацию и передать ее вычислительной стороне для обработки, при этом результаты вычислений остаются в зашифрованном состоянии, и владельцы данных могут получить результаты анализа после расшифровки. Этот механизм защищает конфиденциальность данных и одновременно выполняет необходимые вычислительные задачи.
Механизм защиты конфиденциальности особенно важен для таких чувствительных к данным отраслей, как финансы и здравоохранение. С развитием облачных вычислений и искусственного интеллекта безопасность данных становится все более актуальной. FHE в этих сценариях может обеспечить защиту многосторонних вычислений, позволяя всем сторонам сотрудничать без раскрытия конфиденциальной информации. В технологии блокчейн FHE повышает прозрачность и безопасность обработки данных благодаря функциям защиты конфиденциальности на цепочке и проверки конфиденциальных транзакций.
Сравнение FHE с другими способами шифрования
В области Web3 FHE, нулевое доказательство (ZK), многопартитные вычисления (MPC) и защищенная среда выполнения (TEE) являются основными методами защиты конфиденциальности. В отличие от ZK, FHE может выполнять различные операции с зашифрованными данными, не требуя предварительной расшифровки данных. MPC позволяет сторонам производить вычисления в условиях шифрования данных, не делясь друг с другом конфиденциальной информацией. TEE же предоставляет вычисления в безопасной среде, но относительная гибкость обработки данных ограничена.
Эти криптографические технологии имеют свои преимущества, но в поддержке сложных вычислительных задач FHE особенно выделяется. Тем не менее, FHE по-прежнему сталкивается с высокими вычислительными затратами и плохой масштабируемостью в реальных приложениях, что ограничивает его эффективность в реальном времени.
Ограничения и вызовы FHE
Несмотря на то, что теоретическая основа FHE сильна, в процессе коммерческого применения возникли реальные проблемы:
Высокие вычислительные затраты: FHE требует значительных вычислительных ресурсов, по сравнению с нешифрованными вычислениями, его затраты значительно увеличиваются. Для многократных операций с высокими степенями время обработки растет полиномиально, что затрудняет удовлетворение требований к вычислениям в реальном времени. Снижение затрат зависит от специализированного аппаратного ускорения, но это также увеличивает сложность развертывания.
Ограниченные операционные возможности: хотя FHE может выполнять сложение и умножение зашифрованных данных, поддержка сложных нелинейных операций ограничена, что является узким местом для приложений искусственного интеллекта, таких как глубокие нейронные сети. В настоящее время схемы FHE в основном подходят для линейных и простых полиномиальных вычислений, применение нелинейных моделей значительно ограничено.
Сложность поддержки нескольких пользователей: FHE хорошо работает в сценариях с одним пользователем, но при работе с многопользовательскими наборами данных сложность системы резко возрастает. Хотя существуют много-ключевые FHE структуры, позволяющие выполнять операции с зашифрованными наборами данных, использующими различные ключи, управление ключами и сложность архитектуры системы значительно увеличиваются.
Слияние FHE и искусственного интеллекта
В современную эпоху, управляемую данными, искусственный интеллект (ИИ) широко применяется в различных областях, но опасения по поводу конфиденциальности данных часто заставляют пользователей не желать делиться чувствительной информацией. FHE предоставляет решения для защиты конфиденциальности в области ИИ. В сценариях облачных вычислений передача и хранение данных обычно зашифрованы, но процесс обработки часто происходит в открытом виде. С помощью FHE пользовательские данные могут обрабатываться в зашифрованном состоянии, обеспечивая конфиденциальность.
Это преимущество особенно важно в условиях требований таких регламентов, как GDPR, так как эти регламенты требуют от пользователей права на информированность о способах обработки данных и обеспечения защиты данных в процессе передачи. Энд-ту-энд шифрование FHE обеспечивает соответствие требованиям и безопасность данных.
Текущее применение FHE в блокчейне и проекты
FHE в блокчейне в основном используется для защиты конфиденциальности данных, включая конфиденциальность на цепочке, конфиденциальность данных для обучения ИИ, конфиденциальность голосования на цепочке и конфиденциальность проверки транзакций на цепочке и т.д. В настоящее время несколько проектов используют технологии FHE для продвижения реализации защиты конфиденциальности:
Решение FHE, разработанное одной компанией, широко используется в нескольких проектах по защите конфиденциальности.
Компания, основанная на технологии TFHE, сосредоточена на булевых вычислениях и операциях с целыми числами низкой длины, и создала стек разработки FHE для приложений в области блокчейна и ИИ.
Другая компания разработала новый язык смарт-контрактов и библиотеку HyperghraphFHE, подходящую для блокчейн-сетей.
Некоторые компании используют FHE для реализации защиты конфиденциальности в вычислительных сетях AI, поддерживая различные модели AI.
Некоторые проекты объединяют FHE и искусственный интеллект, предоставляя децентрализованную и защищенную от посторонних глаз среду ИИ.
Также есть проекты в качестве решения второго уровня для Ethereum, поддерживающие FHE Rollups и FHE Coprocessors, совместимые с EVM и поддерживающие смарт-контракты, написанные на Solidity.
Заключение
FHE как передовая технология, способная выполнять вычисления на зашифрованных данных, имеет значительные преимущества в защите конфиденциальности данных. Хотя текущие коммерческие приложения FHE по-прежнему сталкиваются с проблемами высокой вычислительной нагрузки и плохой масштабируемости, благодаря аппаратному ускорению и оптимизации алгоритмов эти проблемы могут быть постепенно решены. С развитием технологий блокчейн FHE будет играть все более важную роль в защите конфиденциальности и безопасных вычислениях. В будущем FHE может стать ключевой технологией, поддерживающей вычисления с защитой конфиденциальности, что приведет к новым революционным прорывам в области безопасности данных.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
11 Лайков
Награда
11
5
Поделиться
комментарий
0/400
WarmLightLin
· 11ч назад
Ненавижу🐴, хватит писать.
Посмотреть ОригиналОтветить0
SchrodingerPrivateKey
· 11ч назад
рост ниже ожидаемого
Посмотреть ОригиналОтветить0
OnchainGossiper
· 11ч назад
Хороший парень, Биткойн растет бешено, да~
Посмотреть ОригиналОтветить0
DegenRecoveryGroup
· 11ч назад
Сейчас еще говорят о Криптоактивы, рано покупайте падения или поздно покупайте падения - это все покупайте падения.
Гомоморфное шифрование: будущее и вызовы защиты конфиденциальности Web3
По состоянию на 13 октября, обсуждение и изменения цен на три основных криптоактива выглядят следующим образом:
Обсуждений биткойна на прошлой неделе было 12,52K, что на 0,98% меньше по сравнению с предыдущей неделей. Его цена закрытия в воскресенье составила 63916 долларов, что на 1,62% выше, чем на ту же дату на предыдущей неделе.
Обсуждения по Эфиру на прошлой неделе возросли до 3.63K раз, увеличившись на 3.45%. Тем не менее, его цена закрытия в воскресенье составила 2530 долларов, что на 4% ниже по сравнению с аналогичным периодом прошлой недели.
Обсуждение другого криптоактива на прошлой неделе составило 782 раза, что на 12,63% меньше, чем на предыдущей неделе. Его цена закрытия в воскресенье составила 5,26 долларов, что на 0,25% ниже по сравнению с предыдущей неделей.
Гомоморфное шифрование (Fully Homomorphic Encryption, FHE) является очень перспективной технологией в области криптографии. Его основное преимущество заключается в возможности выполнения вычислений непосредственно на зашифрованных данных без необходимости расшифровки, что предоставляет мощную поддержку для защиты конфиденциальности и обработки данных. Применение FHE широко, охватывая множество областей, включая финансы, здравоохранение, облачные вычисления, машинное обучение, голосовые системы, Интернет вещей и защиту конфиденциальности в блокчейне. Тем не менее, FHE по-прежнему сталкивается с многочисленными вызовами на пути к коммерциализации.
Потенциал и сценарии применения FHE
Главное преимущество гомоморфного шифрования заключается в защите конфиденциальности. Например, когда компании необходимо использовать вычислительные мощности другой компании для анализа данных, но при этом не хочется, чтобы вторая сторона имела доступ к конкретному содержимому, FHE может сыграть свою роль. Владельцы данных могут зашифровать информацию и передать ее вычислительной стороне для обработки, при этом результаты вычислений остаются в зашифрованном состоянии, и владельцы данных могут получить результаты анализа после расшифровки. Этот механизм защищает конфиденциальность данных и одновременно выполняет необходимые вычислительные задачи.
Механизм защиты конфиденциальности особенно важен для таких чувствительных к данным отраслей, как финансы и здравоохранение. С развитием облачных вычислений и искусственного интеллекта безопасность данных становится все более актуальной. FHE в этих сценариях может обеспечить защиту многосторонних вычислений, позволяя всем сторонам сотрудничать без раскрытия конфиденциальной информации. В технологии блокчейн FHE повышает прозрачность и безопасность обработки данных благодаря функциям защиты конфиденциальности на цепочке и проверки конфиденциальных транзакций.
Сравнение FHE с другими способами шифрования
В области Web3 FHE, нулевое доказательство (ZK), многопартитные вычисления (MPC) и защищенная среда выполнения (TEE) являются основными методами защиты конфиденциальности. В отличие от ZK, FHE может выполнять различные операции с зашифрованными данными, не требуя предварительной расшифровки данных. MPC позволяет сторонам производить вычисления в условиях шифрования данных, не делясь друг с другом конфиденциальной информацией. TEE же предоставляет вычисления в безопасной среде, но относительная гибкость обработки данных ограничена.
Эти криптографические технологии имеют свои преимущества, но в поддержке сложных вычислительных задач FHE особенно выделяется. Тем не менее, FHE по-прежнему сталкивается с высокими вычислительными затратами и плохой масштабируемостью в реальных приложениях, что ограничивает его эффективность в реальном времени.
Ограничения и вызовы FHE
Несмотря на то, что теоретическая основа FHE сильна, в процессе коммерческого применения возникли реальные проблемы:
Высокие вычислительные затраты: FHE требует значительных вычислительных ресурсов, по сравнению с нешифрованными вычислениями, его затраты значительно увеличиваются. Для многократных операций с высокими степенями время обработки растет полиномиально, что затрудняет удовлетворение требований к вычислениям в реальном времени. Снижение затрат зависит от специализированного аппаратного ускорения, но это также увеличивает сложность развертывания.
Ограниченные операционные возможности: хотя FHE может выполнять сложение и умножение зашифрованных данных, поддержка сложных нелинейных операций ограничена, что является узким местом для приложений искусственного интеллекта, таких как глубокие нейронные сети. В настоящее время схемы FHE в основном подходят для линейных и простых полиномиальных вычислений, применение нелинейных моделей значительно ограничено.
Сложность поддержки нескольких пользователей: FHE хорошо работает в сценариях с одним пользователем, но при работе с многопользовательскими наборами данных сложность системы резко возрастает. Хотя существуют много-ключевые FHE структуры, позволяющие выполнять операции с зашифрованными наборами данных, использующими различные ключи, управление ключами и сложность архитектуры системы значительно увеличиваются.
Слияние FHE и искусственного интеллекта
В современную эпоху, управляемую данными, искусственный интеллект (ИИ) широко применяется в различных областях, но опасения по поводу конфиденциальности данных часто заставляют пользователей не желать делиться чувствительной информацией. FHE предоставляет решения для защиты конфиденциальности в области ИИ. В сценариях облачных вычислений передача и хранение данных обычно зашифрованы, но процесс обработки часто происходит в открытом виде. С помощью FHE пользовательские данные могут обрабатываться в зашифрованном состоянии, обеспечивая конфиденциальность.
Это преимущество особенно важно в условиях требований таких регламентов, как GDPR, так как эти регламенты требуют от пользователей права на информированность о способах обработки данных и обеспечения защиты данных в процессе передачи. Энд-ту-энд шифрование FHE обеспечивает соответствие требованиям и безопасность данных.
Текущее применение FHE в блокчейне и проекты
FHE в блокчейне в основном используется для защиты конфиденциальности данных, включая конфиденциальность на цепочке, конфиденциальность данных для обучения ИИ, конфиденциальность голосования на цепочке и конфиденциальность проверки транзакций на цепочке и т.д. В настоящее время несколько проектов используют технологии FHE для продвижения реализации защиты конфиденциальности:
Решение FHE, разработанное одной компанией, широко используется в нескольких проектах по защите конфиденциальности.
Компания, основанная на технологии TFHE, сосредоточена на булевых вычислениях и операциях с целыми числами низкой длины, и создала стек разработки FHE для приложений в области блокчейна и ИИ.
Другая компания разработала новый язык смарт-контрактов и библиотеку HyperghraphFHE, подходящую для блокчейн-сетей.
Некоторые компании используют FHE для реализации защиты конфиденциальности в вычислительных сетях AI, поддерживая различные модели AI.
Некоторые проекты объединяют FHE и искусственный интеллект, предоставляя децентрализованную и защищенную от посторонних глаз среду ИИ.
Также есть проекты в качестве решения второго уровня для Ethereum, поддерживающие FHE Rollups и FHE Coprocessors, совместимые с EVM и поддерживающие смарт-контракты, написанные на Solidity.
Заключение
FHE как передовая технология, способная выполнять вычисления на зашифрованных данных, имеет значительные преимущества в защите конфиденциальности данных. Хотя текущие коммерческие приложения FHE по-прежнему сталкиваются с проблемами высокой вычислительной нагрузки и плохой масштабируемости, благодаря аппаратному ускорению и оптимизации алгоритмов эти проблемы могут быть постепенно решены. С развитием технологий блокчейн FHE будет играть все более важную роль в защите конфиденциальности и безопасных вычислениях. В будущем FHE может стать ключевой технологией, поддерживающей вычисления с защитой конфиденциальности, что приведет к новым революционным прорывам в области безопасности данных.