FHE: Jalan Masa Depan Perhitungan Privasi

Enkripsi homomorfik sepenuhnya (FHE) adalah teknologi enkripsi canggih yang memungkinkan perhitungan langsung pada data yang dienkripsi. Ini berarti informasi sensitif dapat diproses sambil melindungi privasi. FHE memiliki aplikasi potensial di berbagai bidang seperti keuangan, kesehatan, dan komputasi awan, tetapi saat ini menghadapi tantangan besar terkait biaya komputasi.

Prinsip Dasar FHE

Gagasan inti FHE adalah menggunakan polinomial untuk menyembunyikan data asli. Misalnya, angka terenkripsi 2 mungkin akan:

1. Pilih polinomial kunci s(x)
2. Menghasilkan polinomial acak a(x)
3. Tambahkan polinomial "noise" kecil e(x)
4. Hasil enkripsi: c(x) = 2 + a(x)*s(x) + e(x)

Saat mendekripsi, cukup mengetahui kunci s(x), maka data asli 2 dapat dipulihkan dari c(x).

Tantangan utama yang dihadapi FHE adalah pertumbuhan kebisingan. Setiap perhitungan akan meningkatkan kebisingan, yang pada akhirnya dapat menyebabkan ketidakmampuan untuk mendekripsi dengan benar. Untuk itu, para peneliti telah mengusulkan beberapa teknik:

• Peralihan kunci: Mengompresi ukuran ciphertext
• Pergantian modul: mengurangi kebisingan
• Bootstrapping: mengatur ulang kebisingan ke tingkat awal

Saat ini, solusi FHE yang umum menggunakan teknik bootstrap, tetapi biaya komputasi masih sangat besar.

Masalah yang Dihadapi FHE

Dibandingkan dengan perhitungan biasa, biaya perhitungan FHE lebih tinggi beberapa tingkat. Menurut perkiraan dari ( DARPA ), kecepatan perhitungan FHE sekitar 1 juta kali lebih lambat daripada perhitungan biasa.

Untuk mempercepat FHE, DARPA meluncurkan program DPRIVE dengan fokus pada beberapa aspek berikut:

1. Meningkatkan panjang kata pemroses
2. Mengembangkan prosesor ASIC khusus
3. Membangun arsitektur paralel MIMD

Namun, kemajuan rencana tersebut lambat, masih ada jarak dari target yang diharapkan.

Aplikasi FHE dalam Blockchain

Dalam bidang blockchain, FHE terutama digunakan untuk melindungi privasi data, termasuk:

• Transaksi privasi di blockchain
• Perlindungan Privasi Data Latihan AI
• Privasi pemungutan suara di blockchain
• Perlindungan MEV

Namun FHE juga menghadapi tantangan dalam hal efisiensi dan kebutuhan sumber daya komputasi.

Proyek Utama

Proyek utama di bidang FHE saat ini meliputi:

• Zama: Berdasarkan skema TFHE, menyediakan rangkaian alat pengembangan yang lengkap
• Fhenix: Membangun jaringan Layer 2 yang mengutamakan privasi
• Privasea: Fokus pada perlindungan privasi data LLM
• Inco Network: Membangun jaringan FHE Layer 1
• Arcium: menggabungkan teknologi FHE, MPC, dan ZK
• Jaringan Pikiran: Menggabungkan Restaking dan arsitektur subnet FHE
• Octra: Menggunakan teknologi hypergraphs yang unik untuk mencapai FHE

Prospek Masa Depan

Teknologi FHE masih berada di tahap awal dan menghadapi banyak tantangan:

1. Efisiensi rendah, biaya perhitungan sangat besar
2. Tingkat kesulitan implementasi proyek tinggi
3. Prospek komersialisasi tidak jelas
4. Kurangnya investasi modal

Namun, seiring dengan pengembangan chip khusus dan lebih banyak dana yang mengalir, FHE diharapkan dapat membawa perubahan di bidang pertahanan, keuangan, medis, dan lainnya, melepaskan potensi data privasi. Perkembangan FHE di masa depan patut ditunggu.