Согласно последним данным, по состоянию на 13 число этого месяца, обсуждаемость и изменения цен основных криптоактивов следующие:
Обсуждений о Биткойне на прошлой неделе было 12.52K, что на 0.98% меньше по сравнению с предыдущей неделей. Закрывающая цена в воскресенье составила 63916 долларов, что на 1.62% больше по сравнению с предыдущей неделей.
Обсуждений по Ethereum на прошлой неделе было 3.63K, что на 3.45% больше по сравнению с предыдущей неделей. Закрытие в воскресенье составило 2530 долларов, что на 4% меньше по сравнению с предыдущей неделей.
Количество обсуждений TON на прошлой неделе составило 782, что на 12.63% меньше по сравнению с предыдущей неделей. Закрывающая цена в воскресенье составила 5.26 долларов, что на 0.25% ниже по сравнению с предыдущей неделей.
Потенциал и вызовы технологий гомоморфного шифрования
Гомоморфное шифрование ( FHE ) является передовой технологией в области криптографии, которая позволяет выполнять вычисления непосредственно на зашифрованных данных без необходимости их расшифровки. Эта особенность обеспечивает мощную поддержку для защиты конфиденциальности и обработки данных. FHE имеет широкие перспективы применения в таких областях, как финансы, здравоохранение, облачные вычисления, машинное обучение, системы голосования, Интернет вещей и защита конфиденциальности в блокчейне. Тем не менее, несмотря на огромный потенциал FHE, его коммерциализация все еще сталкивается с многочисленными вызовами.
Преимущества и области применения FHE
Главное преимущество FHE заключается в защите конфиденциальности. Например, когда одна компания нуждается в вычислительных мощностях другой компании для анализа данных, но не хочет, чтобы другая сторона имела доступ к конкретному содержимому, FHE может сыграть свою роль. Владелец данных может передать зашифрованные данные вычисляющей стороне для обработки, а результаты вычислений останутся зашифрованными. После расшифровки владелец данных получит результаты анализа, что защищает конфиденциальность данных и выполняет необходимые вычислительные задачи.
Механизм защиты конфиденциальности особенно важен для отраслей, чувствительных к данным, таких как финансы и здравоохранение. С развитием облачных вычислений и искусственного интеллекта безопасность данных становится все более актуальной. FHE может обеспечить защиту многопартитных вычислений в таких сценариях, позволяя сторонам сотрудничать без раскрытия конфиденциальной информации. В технологии блокчейн FHE повышает прозрачность и безопасность обработки данных через функции защиты конфиденциальности на цепочке и проверки конфиденциальных транзакций.
Сравнение FHE с другими способами шифрования
В области Web3 FHE, нулевые доказательства (ZK), многопартитные вычисления (MPC) и доверенные среды выполнения (TEE) являются основными методами защиты конфиденциальности. В отличие от ZK, FHE может выполнять различные операции с зашифрованными данными, не требуя их расшифровки. MPC позволяет сторонам производить вычисления при зашифрованных данных, не делясь друг с другом конфиденциальной информацией. TEE обеспечивает вычисления в безопасной среде, однако гибкость обработки данных относительно ограничена.
Эти криптотехнологии 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 режиме реального времени.
Ограничения и вызовы FHE
Несмотря на то, что теоретическая основа FHE мощная, в процессе коммерческого применения возникли некоторые практические трудности:
Большие вычислительные затраты: FHE требует значительных вычислительных ресурсов, и его затраты значительно увеличиваются по сравнению с нешифрованными вычислениями. Для операций с многочленами высокой степени время обработки растет полиномиально, что затрудняет удовлетворение требований к实时 вычислениям. 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. Это создает узкое место 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 однопользовательских сценариях, но при работе с многопользовательскими наборами данных системная сложность резко возрастает. Хотя существуют исследования, предлагающие многофункциональные FHE-фреймы, которые позволяют обрабатывать зашифрованные наборы данных с различными ключами, управление ключами и сложность системной архитектуры значительно увеличиваются.
Слияние FHE и искусственного интеллекта
В эпоху, когда данные имеют решающее значение, искусственный интеллект (AI) 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 данные обычно шифруются во время передачи и хранения, но в процессе обработки они часто находятся в открытом виде. С помощью FHE пользовательские данные могут обрабатываться в зашифрованном состоянии, обеспечивая конфиденциальность.
Это преимущество особенно важно в условиях требований таких регуляторов, как GDPR, которые требуют от пользователей права быть информированными о способах обработки данных и гарантируют защиту данных в процессе их передачи. Конечное шифрование FHE обеспечивает соблюдение норм и безопасность данных.
Текущее применение FHE в блокчейне и проекты
Применение FHE в блокчейне в основном сосредоточено на защите конфиденциальности данных, включая конфиденциальность на цепочке, конфиденциальность данных для обучения ИИ, конфиденциальность голосования на цепочке и проверку конфиденциальных транзакций на цепочке. В настоящее время несколько проектов используют технологии FHE для реализации защиты конфиденциальности.
Некоторые проекты, построенные на решениях FHE, широко используются в нескольких проектах по защите конфиденциальности в блокчейне. Эти проекты включают:
Основанный на технологии TFHE, сосредоточен на булевых операциях и операциях с целыми числами низкой длины, а также разработан проект стеков разработки FHE для приложений блокчейна и ИИ.
Разработан новый язык смарт-контрактов и библиотека HyperghraphFHE, подходящие для проектов в блокчейн-сетях.
Использование FHE для реализации защиты конфиденциальности в вычислительных сетях ИИ, поддерживающее различные модели ИИ.
Проект, объединяющий FHE и искусственный интеллект, предоставляющий децентрализованную и защищённую от слежки среду для ИИ.
Как решение второго уровня для Ethereum, поддерживающее FHE Rollups и FHE Coprocessors, совместимо с EVM и поддерживает написание смарт-контрактов на Solidity.
Заключение
FHE как передовая технология, позволяющая выполнять вычисления на зашифрованных данных, обладает значительными преимуществами в защите конфиденциальности данных. Хотя на данный момент коммерческое применение FHE по-прежнему сталкивается с проблемами высокой вычислительной нагрузки и низкой масштабируемости, благодаря аппаратному ускорению и оптимизации алгоритмов эти проблемы могут быть постепенно решены. Кроме того, с развитием технологии 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 принесет новые революционные прорывы 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» .
16 Лайков
Награда
16
5
Поделиться
комментарий
0/400
AirdropATM
· 1ч назад
Данные колебания большой памп большой дамп
Посмотреть ОригиналОтветить0
LiquidationAlert
· 07-30 05:49
токен цена Обратный разыгрывайте людей как неудачники смотрите представление
Гомоморфное шифрование в Блокчейн: применение и вызовы
Обзор обсуждаемости Криптоактивов и цен за неделю
Согласно последним данным, по состоянию на 13 число этого месяца, обсуждаемость и изменения цен основных криптоактивов следующие:
Обсуждений о Биткойне на прошлой неделе было 12.52K, что на 0.98% меньше по сравнению с предыдущей неделей. Закрывающая цена в воскресенье составила 63916 долларов, что на 1.62% больше по сравнению с предыдущей неделей.
Обсуждений по Ethereum на прошлой неделе было 3.63K, что на 3.45% больше по сравнению с предыдущей неделей. Закрытие в воскресенье составило 2530 долларов, что на 4% меньше по сравнению с предыдущей неделей.
Количество обсуждений TON на прошлой неделе составило 782, что на 12.63% меньше по сравнению с предыдущей неделей. Закрывающая цена в воскресенье составила 5.26 долларов, что на 0.25% ниже по сравнению с предыдущей неделей.
Потенциал и вызовы технологий гомоморфного шифрования
Гомоморфное шифрование ( FHE ) является передовой технологией в области криптографии, которая позволяет выполнять вычисления непосредственно на зашифрованных данных без необходимости их расшифровки. Эта особенность обеспечивает мощную поддержку для защиты конфиденциальности и обработки данных. FHE имеет широкие перспективы применения в таких областях, как финансы, здравоохранение, облачные вычисления, машинное обучение, системы голосования, Интернет вещей и защита конфиденциальности в блокчейне. Тем не менее, несмотря на огромный потенциал FHE, его коммерциализация все еще сталкивается с многочисленными вызовами.
Преимущества и области применения FHE
Главное преимущество FHE заключается в защите конфиденциальности. Например, когда одна компания нуждается в вычислительных мощностях другой компании для анализа данных, но не хочет, чтобы другая сторона имела доступ к конкретному содержимому, FHE может сыграть свою роль. Владелец данных может передать зашифрованные данные вычисляющей стороне для обработки, а результаты вычислений останутся зашифрованными. После расшифровки владелец данных получит результаты анализа, что защищает конфиденциальность данных и выполняет необходимые вычислительные задачи.
Механизм защиты конфиденциальности особенно важен для отраслей, чувствительных к данным, таких как финансы и здравоохранение. С развитием облачных вычислений и искусственного интеллекта безопасность данных становится все более актуальной. FHE может обеспечить защиту многопартитных вычислений в таких сценариях, позволяя сторонам сотрудничать без раскрытия конфиденциальной информации. В технологии блокчейн FHE повышает прозрачность и безопасность обработки данных через функции защиты конфиденциальности на цепочке и проверки конфиденциальных транзакций.
Сравнение FHE с другими способами шифрования
В области Web3 FHE, нулевые доказательства (ZK), многопартитные вычисления (MPC) и доверенные среды выполнения (TEE) являются основными методами защиты конфиденциальности. В отличие от ZK, FHE может выполнять различные операции с зашифрованными данными, не требуя их расшифровки. MPC позволяет сторонам производить вычисления при зашифрованных данных, не делясь друг с другом конфиденциальной информацией. TEE обеспечивает вычисления в безопасной среде, однако гибкость обработки данных относительно ограничена.
Эти криптотехнологии 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 режиме реального времени.
Ограничения и вызовы FHE
Несмотря на то, что теоретическая основа FHE мощная, в процессе коммерческого применения возникли некоторые практические трудности:
Большие вычислительные затраты: FHE требует значительных вычислительных ресурсов, и его затраты значительно увеличиваются по сравнению с нешифрованными вычислениями. Для операций с многочленами высокой степени время обработки растет полиномиально, что затрудняет удовлетворение требований к实时 вычислениям. 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. Это создает узкое место 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 однопользовательских сценариях, но при работе с многопользовательскими наборами данных системная сложность резко возрастает. Хотя существуют исследования, предлагающие многофункциональные FHE-фреймы, которые позволяют обрабатывать зашифрованные наборы данных с различными ключами, управление ключами и сложность системной архитектуры значительно увеличиваются.
Слияние FHE и искусственного интеллекта
В эпоху, когда данные имеют решающее значение, искусственный интеллект (AI) 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 данные обычно шифруются во время передачи и хранения, но в процессе обработки они часто находятся в открытом виде. С помощью FHE пользовательские данные могут обрабатываться в зашифрованном состоянии, обеспечивая конфиденциальность.
Это преимущество особенно важно в условиях требований таких регуляторов, как GDPR, которые требуют от пользователей права быть информированными о способах обработки данных и гарантируют защиту данных в процессе их передачи. Конечное шифрование FHE обеспечивает соблюдение норм и безопасность данных.
Текущее применение FHE в блокчейне и проекты
Применение FHE в блокчейне в основном сосредоточено на защите конфиденциальности данных, включая конфиденциальность на цепочке, конфиденциальность данных для обучения ИИ, конфиденциальность голосования на цепочке и проверку конфиденциальных транзакций на цепочке. В настоящее время несколько проектов используют технологии FHE для реализации защиты конфиденциальности.
Некоторые проекты, построенные на решениях FHE, широко используются в нескольких проектах по защите конфиденциальности в блокчейне. Эти проекты включают:
Основанный на технологии TFHE, сосредоточен на булевых операциях и операциях с целыми числами низкой длины, а также разработан проект стеков разработки FHE для приложений блокчейна и ИИ.
Разработан новый язык смарт-контрактов и библиотека HyperghraphFHE, подходящие для проектов в блокчейн-сетях.
Использование FHE для реализации защиты конфиденциальности в вычислительных сетях ИИ, поддерживающее различные модели ИИ.
Проект, объединяющий FHE и искусственный интеллект, предоставляющий децентрализованную и защищённую от слежки среду для ИИ.
Как решение второго уровня для Ethereum, поддерживающее FHE Rollups и FHE Coprocessors, совместимо с EVM и поддерживает написание смарт-контрактов на Solidity.
Заключение
FHE как передовая технология, позволяющая выполнять вычисления на зашифрованных данных, обладает значительными преимуществами в защите конфиденциальности данных. Хотя на данный момент коммерческое применение FHE по-прежнему сталкивается с проблемами высокой вычислительной нагрузки и низкой масштабируемости, благодаря аппаратному ускорению и оптимизации алгоритмов эти проблемы могут быть постепенно решены. Кроме того, с развитием технологии 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 принесет новые революционные прорывы в области безопасности данных.