Анализ развития рынка криптоактивов и технологий гомоморфного шифрования
По состоянию на 13 октября, одна из платформ данных провела статистику обсуждений основных криптоактивов и изменений их цен.
Количество обсуждений биткойна на прошлой неделе составило 12.52K, что на 0.98% меньше, чем на предыдущей неделе. Его закрытие в воскресенье составило 63916 долларов, что на 1.62% выше, чем за аналогичный период на прошлой неделе.
Обсуждение Ethereum на прошлой неделе достигло 3,63K раз, что на 3,45% больше, чем на предыдущей неделе. Однако его цена на закрытии в воскресенье составила 2530 долларов, что на 4% ниже по сравнению с аналогичным периодом на прошлой неделе.
Обсуждения TON на прошлой неделе составили 782 раза, что на 12,63% меньше, чем на предыдущей неделе. Закрывающая цена в воскресенье составила 5,26 долларов, что на 0,25% ниже по сравнению с тем же периодом на прошлой неделе.
Гомоморфное шифрование (Fully Homomorphic Encryption, FHE) как передовая технология в области криптографии имеет основное преимущество в том, что позволяет выполнять вычисления непосредственно над зашифрованными данными без необходимости в процессе расшифровки. Эта особенность предоставляет мощную поддержку для защиты конфиденциальности и обработки данных. Области применения FHE широки и охватывают финансовый сектор, здравоохранение, облачные вычисления, машинное обучение, электронное голосование, Интернет вещей, а также защиту конфиденциальности в блокчейне. Несмотря на огромный потенциал FHE, в процессе коммерциализации все еще существует множество вызовов.
Перспективы применения Гомоморфного шифрования
Основное преимущество FHE заключается в его выдающейся способности защиты конфиденциальности. Представьте себе такую ситуацию: компании A необходимо использовать вычислительные ресурсы компании B для анализа данных, но она не хочет, чтобы компания B имела доступ к содержимому исходных данных. В этом случае FHE может сыграть ключевую роль: компания A может зашифровать данные и передать их компании B для обработки, при этом результаты вычислений остаются в зашифрованном состоянии. После получения результатов компания A расшифровывает их и получает необходимую информацию для анализа. Этот механизм защищает конфиденциальность данных и удовлетворяет вычислительные потребности.
Для таких отраслей, как финансы и здравоохранение, где требования к чувствительности данных чрезвычайно высоки, ценность Гомоморфное шифрование особенно выражена. С быстрым развитием облачных вычислений и технологий искусственного интеллекта безопасность данных становится все более актуальной темой для обсуждения. Гомоморфное шифрование в этих областях может обеспечить защиту многопартитных вычислений, позволяя всем участникам сотрудничать без раскрытия чувствительной информации. Особенно в технологии блокчейн, Гомоморфное шифрование значительно повышает прозрачность и безопасность обработки данных через реализацию функций защиты конфиденциальности на цепочке и проверки конфиденциальных транзакций.
Сравнение FHE и других технологий шифрования
В экосистеме Web3 основными решениями для защиты конфиденциальности являются Гомоморфное шифрование (FHE), нулевые доказательства (ZK), многопартитные безопасные вычисления (MPC) и доверенные вычислительные среды (TEE). Уникальность FHE заключается в том, что он позволяет выполнять различные операции над зашифрованными данными без необходимости предварительной расшифровки. MPC позволяет нескольким сторонам проводить вычисления в зашифрованном состоянии данных, не обмениваясь конфиденциальной информацией. TEE предоставляет безопасную вычислительную среду, но относительно ограничен в гибкости обработки данных.
Эти технологии шифрования имеют свои преимущества, но в поддержке сложных вычислительных задач FHE особенно выделяется. Тем не менее, FHE по-прежнему сталкивается с проблемами высокой вычислительной нагрузки и плохой масштабируемости в реальных приложениях, что ограничивает его эффективность в сценариях реального времени.
Ограничения и вызовы FHE
Несмотря на то, что теоретические основы FHE прочны, в процессе коммерциализации возникли некоторые практические трудности:
Огромное потребление вычислительных ресурсов: Гомоморфное шифрование требует большого количества вычислительных ресурсов, что значительно увеличивает вычислительные затраты по сравнению с нешифрованными расчетами. Особенно для операций с многочленами высокого порядка, время обработки растет полиномиально, что затрудняет удовлетворение требований к вычислениям в реальном времени. Для снижения затрат Гомоморфное шифрование часто требует использования специализированного аппаратного ускорения, что, в свою очередь, увеличивает сложность развертывания.
Ограниченные возможности операций: Хотя Гомоморфное шифрование 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. Текущие схемы Гомоморфного шифрования в основном подходят для линейных и простых полиномиальных вычислений, применение нелинейных моделей сильно ограничено.
Поддержка нескольких пользователей сложна: Гомоморфное шифрование показывает хорошие результаты в сценариях с одним пользователем, но при работе с многопользовательскими наборами данных сложность системы резко возрастает. Хотя предложенная в 2013 году многоключевая структура Гомоморфного шифрования позволяет работать с зашифрованными наборами данных с разными ключами, управление ключами и сложность архитектуры системы значительно увеличиваются.
Слияние Gомоморфного шифрования и искусственного интеллекта
В эпоху, когда данные играют решающую роль, искусственный интеллект (ИИ) широко применяется в различных областях, но из-за опасений по поводу конфиденциальности данных пользователи часто не хотят делиться чувствительной информацией, такой как медицинские и финансовые данные. Гомоморфное шифрование предлагает решения для защиты конфиденциальности в области ИИ. В облачных вычислениях данные обычно шифруются в процессе передачи и хранения, но во время обработки часто находятся в открытом виде. С помощью Гомоморфного шифрования данные пользователей могут обрабатываться в зашифрованном состоянии, что обеспечивает конфиденциальность данных.
Это преимущество особенно важно в свете таких регуляций, как GDPR, которые требуют от пользователей права на информированность о способах обработки данных и обеспечения защиты данных в процессе передачи. Энд-ту-энд шифрование Gомоморфное шифрование обеспечивает соблюдение норм и безопасность данных.
Применение FHE в блокчейне
Применение Гомоморфного шифрования в области блокчейна 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 и другие направления. В настоящее время несколько проектов используют технологии Гомоморфного шифрования для продвижения реализации защиты конфиденциальности.
Решение FHE, разработанное одной компанией, широко используется в нескольких проектах блокчейна. Эта компания, основанная на технологии TFHE, сосредоточилась на булевых операциях и операциях с низкими целыми числами, и создала стек разработки FHE, предназначенный для приложений блокчейна и ИИ.
Другие проекты также активно исследуют применение Гомоморфного шифрования:
Одна компания разработала новый язык смарт-контрактов и специальную библиотеку FHE, предназначенные для блокчейн-сетей.
Другая компания использует Гомоморфное шифрование для обеспечения конфиденциальности в вычислительных сетях ИИ, поддерживая различные модели ИИ.
Некоторые компании объединяют Гомоморфное шифрование с искусственным интеллектом, предлагая децентрализованную и защищенную от вторжений среду ИИ.
Некоторый проект, как решение второго уровня для Ethereum, поддерживает FHE Rollups и FHE Coprocessors, совместим с EVM и поддерживает смарт-контракты, написанные на Solidity.
Вывод
FHE как передовая технология, позволяющая выполнять вычисления над зашифрованными данными, обладает значительными преимуществами в защите конфиденциальности данных. Хотя текущие коммерческие приложения FHE все еще сталкиваются с проблемами больших вычислительных затрат и низкой масштабируемости, с помощью аппаратного ускорения 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 имеет потенциал стать ключевой технологией для поддержки вычислений с защитой конфиденциальности, обеспечивая революционные прорывы в 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» .
Криптоактивы行情Колебание Гомоморфное шифрование FHE助力Web3隐私保护
Анализ развития рынка криптоактивов и технологий гомоморфного шифрования
По состоянию на 13 октября, одна из платформ данных провела статистику обсуждений основных криптоактивов и изменений их цен.
Количество обсуждений биткойна на прошлой неделе составило 12.52K, что на 0.98% меньше, чем на предыдущей неделе. Его закрытие в воскресенье составило 63916 долларов, что на 1.62% выше, чем за аналогичный период на прошлой неделе.
Обсуждение Ethereum на прошлой неделе достигло 3,63K раз, что на 3,45% больше, чем на предыдущей неделе. Однако его цена на закрытии в воскресенье составила 2530 долларов, что на 4% ниже по сравнению с аналогичным периодом на прошлой неделе.
Обсуждения TON на прошлой неделе составили 782 раза, что на 12,63% меньше, чем на предыдущей неделе. Закрывающая цена в воскресенье составила 5,26 долларов, что на 0,25% ниже по сравнению с тем же периодом на прошлой неделе.
Гомоморфное шифрование (Fully Homomorphic Encryption, FHE) как передовая технология в области криптографии имеет основное преимущество в том, что позволяет выполнять вычисления непосредственно над зашифрованными данными без необходимости в процессе расшифровки. Эта особенность предоставляет мощную поддержку для защиты конфиденциальности и обработки данных. Области применения FHE широки и охватывают финансовый сектор, здравоохранение, облачные вычисления, машинное обучение, электронное голосование, Интернет вещей, а также защиту конфиденциальности в блокчейне. Несмотря на огромный потенциал FHE, в процессе коммерциализации все еще существует множество вызовов.
Перспективы применения Гомоморфного шифрования
Основное преимущество FHE заключается в его выдающейся способности защиты конфиденциальности. Представьте себе такую ситуацию: компании A необходимо использовать вычислительные ресурсы компании B для анализа данных, но она не хочет, чтобы компания B имела доступ к содержимому исходных данных. В этом случае FHE может сыграть ключевую роль: компания A может зашифровать данные и передать их компании B для обработки, при этом результаты вычислений остаются в зашифрованном состоянии. После получения результатов компания A расшифровывает их и получает необходимую информацию для анализа. Этот механизм защищает конфиденциальность данных и удовлетворяет вычислительные потребности.
Для таких отраслей, как финансы и здравоохранение, где требования к чувствительности данных чрезвычайно высоки, ценность Гомоморфное шифрование особенно выражена. С быстрым развитием облачных вычислений и технологий искусственного интеллекта безопасность данных становится все более актуальной темой для обсуждения. Гомоморфное шифрование в этих областях может обеспечить защиту многопартитных вычислений, позволяя всем участникам сотрудничать без раскрытия чувствительной информации. Особенно в технологии блокчейн, Гомоморфное шифрование значительно повышает прозрачность и безопасность обработки данных через реализацию функций защиты конфиденциальности на цепочке и проверки конфиденциальных транзакций.
Сравнение FHE и других технологий шифрования
В экосистеме Web3 основными решениями для защиты конфиденциальности являются Гомоморфное шифрование (FHE), нулевые доказательства (ZK), многопартитные безопасные вычисления (MPC) и доверенные вычислительные среды (TEE). Уникальность FHE заключается в том, что он позволяет выполнять различные операции над зашифрованными данными без необходимости предварительной расшифровки. MPC позволяет нескольким сторонам проводить вычисления в зашифрованном состоянии данных, не обмениваясь конфиденциальной информацией. TEE предоставляет безопасную вычислительную среду, но относительно ограничен в гибкости обработки данных.
Эти технологии шифрования имеют свои преимущества, но в поддержке сложных вычислительных задач FHE особенно выделяется. Тем не менее, FHE по-прежнему сталкивается с проблемами высокой вычислительной нагрузки и плохой масштабируемости в реальных приложениях, что ограничивает его эффективность в сценариях реального времени.
Ограничения и вызовы FHE
Несмотря на то, что теоретические основы FHE прочны, в процессе коммерциализации возникли некоторые практические трудности:
Огромное потребление вычислительных ресурсов: Гомоморфное шифрование требует большого количества вычислительных ресурсов, что значительно увеличивает вычислительные затраты по сравнению с нешифрованными расчетами. Особенно для операций с многочленами высокого порядка, время обработки растет полиномиально, что затрудняет удовлетворение требований к вычислениям в реальном времени. Для снижения затрат Гомоморфное шифрование часто требует использования специализированного аппаратного ускорения, что, в свою очередь, увеличивает сложность развертывания.
Ограниченные возможности операций: Хотя Гомоморфное шифрование 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. Текущие схемы Гомоморфного шифрования в основном подходят для линейных и простых полиномиальных вычислений, применение нелинейных моделей сильно ограничено.
Поддержка нескольких пользователей сложна: Гомоморфное шифрование показывает хорошие результаты в сценариях с одним пользователем, но при работе с многопользовательскими наборами данных сложность системы резко возрастает. Хотя предложенная в 2013 году многоключевая структура Гомоморфного шифрования позволяет работать с зашифрованными наборами данных с разными ключами, управление ключами и сложность архитектуры системы значительно увеличиваются.
Слияние Gомоморфного шифрования и искусственного интеллекта
В эпоху, когда данные играют решающую роль, искусственный интеллект (ИИ) широко применяется в различных областях, но из-за опасений по поводу конфиденциальности данных пользователи часто не хотят делиться чувствительной информацией, такой как медицинские и финансовые данные. Гомоморфное шифрование предлагает решения для защиты конфиденциальности в области ИИ. В облачных вычислениях данные обычно шифруются в процессе передачи и хранения, но во время обработки часто находятся в открытом виде. С помощью Гомоморфного шифрования данные пользователей могут обрабатываться в зашифрованном состоянии, что обеспечивает конфиденциальность данных.
Это преимущество особенно важно в свете таких регуляций, как GDPR, которые требуют от пользователей права на информированность о способах обработки данных и обеспечения защиты данных в процессе передачи. Энд-ту-энд шифрование Gомоморфное шифрование обеспечивает соблюдение норм и безопасность данных.
Применение FHE в блокчейне
Применение Гомоморфного шифрования в области блокчейна 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 и другие направления. В настоящее время несколько проектов используют технологии Гомоморфного шифрования для продвижения реализации защиты конфиденциальности.
Решение FHE, разработанное одной компанией, широко используется в нескольких проектах блокчейна. Эта компания, основанная на технологии TFHE, сосредоточилась на булевых операциях и операциях с низкими целыми числами, и создала стек разработки FHE, предназначенный для приложений блокчейна и ИИ.
Другие проекты также активно исследуют применение Гомоморфного шифрования:
Вывод
FHE как передовая технология, позволяющая выполнять вычисления над зашифрованными данными, обладает значительными преимуществами в защите конфиденциальности данных. Хотя текущие коммерческие приложения FHE все еще сталкиваются с проблемами больших вычислительных затрат и низкой масштабируемости, с помощью аппаратного ускорения 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 имеет потенциал стать ключевой технологией для поддержки вычислений с защитой конфиденциальности, обеспечивая революционные прорывы в безопасности данных.