IOSG Ventures: Được Vitalik đánh giá cao, tiềm năng của FHE mã hóa đồng cấu hoàn toàn là gì?

Bản gốc của Mustafa Hourani

Biên soạn gốc: Nhóm IOSG

Giới thiệu

Giới thiệu Fully Mã hóa đồng cấu (FHE): Khám phá các ứng dụng thú vị, hạn chế và những phát triển mới nhất thúc đẩy sự phổ biến của nó. **

Khi tôi (Mustafa) lần đầu tiên nghe về “mã hóa đồng cấu hoàn toàn” (FHE), tôi đã nghĩ về xu hướng của không gian Blockchain là đặt tên long cho các khái niệm phổ biến. Trong những năm qua, chúng ta đã bắt gặp những từ thông dụng dài nhất đã gây xôn xao trong ngành, gần đây nhất là “zk-SNARK” (ZKP).

Sau khi thực hiện một số nghiên cứu và khám phá một số công ty mới xây dựng sản phẩm với FHE, tôi nhận thấy một chân trời đầy những công cụ mới tuyệt vời. Trong những tháng và năm tới, FHE có thể sẽ là công nghệ lớn tiếp theo gây bão trong ngành, giống như ZKP. Các công ty đang tận dụng những tiến bộ mới nhất trong mật mã và điện toán đám mây để mở đường cho một tương lai mạnh mẽ, bảo vệ quyền riêng tư dữ liệu. Đó không phải là câu hỏi nếu, mà là khi nào, và tôi tin rằng FHE có thể là chất xúc tác chính để thúc đẩy quyền riêng tư và quyền sở hữu dữ liệu về phía trước.

• "FHE là chén thánh của mật mã. Theo thời gian, FHE sẽ định hình lại cấu trúc của tất cả các máy tính, cho dù web2 hay web3. 」*

Đồng cấu là gì

Đồng cấu, trước tiên chúng ta hãy hiểu ý nghĩa của từ “đồng cấu”. Truy ngược lại nguồn gốc của nó, đồng cấu bắt nguồn từ toán học và được định nghĩa là ánh xạ giữa hai cấu trúc đại số cùng loại, giữ lại một thành phần cốt lõi giữa chúng.

Nếu bạn giống tôi và thích một định nghĩa thực tế, toán học đằng sau điều này là hai nhóm không cần phải giống hệt nhau để có cùng các thuộc tính cốt lõi. Ví dụ, hãy tưởng tượng hai hộp trái cây, mỗi hộp tương ứng với một nhóm khác nhau:

• Hộp A chứa quả nhỏ.
• Hộp B chứa quả to.

Mặc dù các loại trái cây riêng lẻ có kích thước khác nhau, nhưng việc ép táo và cam nhỏ với nhau trong hộp A có thể tạo ra hương vị nước ép hỗn hợp giống như ép táo và cam lớn với nhau trong hộp B. Nước ép để tạo ra cùng một hương vị tương tự như giữ một thành phần cốt lõi giữa hai hộp. Giả sử rằng cùng một hương vị là mối quan tâm chính của chúng tôi, không quan trọng chúng tôi ép nước trái cây từ hộp nào, bởi vì long của nước ép không phải là trọng tâm của chúng tôi. Trong một khía cạnh quan trọng (hương vị), hai nhóm là tương đương, do đó, sự khác biệt giữa chúng (kích thước và số lượng) không ảnh hưởng đến chức năng chính của chúng như được xác định bởi chúng tôi, đó là tạo ra một hương vị nước trái cây cụ thể.

Trái ngược với sự tương tự đồng cấu, chúng tôi nắm bắt được hai đặc điểm chính của nó:

• Lập bản đồ: Chúng tôi đã thực hiện một kết nối giữa các loại trái cây, trong đó mỗi quả nhỏ trong hộp A tương ứng với một phiên bản lớn hơn trong hộp B. Vì vậy, quả táo nhỏ trong hộp A tương ứng với quả táo lớn trong hộp B, v.v.
• Hoạt động giữ: Nếu ép hai quả nhỏ trong hộp A tạo ra một hương vị cụ thể, sau đó ép phiên bản lớn hơn tương ứng của chúng trong hộp B cũng sẽ tạo ra hương vị tương tự. Mặc dù có sự khác biệt về kích thước và số lượng nước ép thu được, “hồ sơ hương vị” vẫn được duy trì.

mã hóa đồng cấu hoàn toàn là gì

Liên kết điều này với chủ đề trung tâm của bài viết này, mã hóa đồng cấu hoàn toàn (FHE) là một phương pháp mã hóa dữ liệu cụ thể cho phép mọi người thực hiện tính toán trên dữ liệu mã hóa mà không để lộ dữ liệu gốc. Về mặt lý thuyết, việc phân tích và tính toán được thực hiện trên dữ liệu mã hóa sẽ tạo ra kết quả tương tự như kết quả được thực hiện trên dữ liệu gốc. Với FHE, chúng tôi tạo kết nối một-một giữa dữ liệu trong tập dữ liệu mã hóa và dữ liệu trong tập dữ liệu gốc. Trong trường hợp này, việc duy trì thành phần cốt lõi là khả năng thực hiện bất kỳ tính toán nào trên dữ liệu trong một trong hai tập dữ liệu và tạo ra cùng một kết quả.

Về vấn đề này, Xu long đã thực hiện các biện pháp phòng ngừa để bảo vệ dữ liệu người dùng và duy trì quyền riêng tư khác biệt. Các công ty hiếm khi lưu trữ dữ liệu thô, không được mã hóa trên đám mây hoặc trong cơ sở dữ liệu của họ. Vì vậy, ngay cả khi kẻ tấn công kiểm soát máy chủ của công ty, chúng vẫn cần phải bỏ qua mã hóa để đọc và truy cập dữ liệu. Tuy nhiên, khi dữ liệu chỉ được mã hóa và không được sử dụng thì không thú vị. Khi các công ty muốn phân tích dữ liệu để có được những hiểu biết có giá trị, họ không có lựa chọn nào khác ngoài việc giải mã nó. Khi dữ liệu được giải mã, nó trở nên dễ bị tổn thương. Tuy nhiên, với mã hóa end-to-end, FHE trở nên rất hữu ích vì chúng ta không người theo lệnh long cần phải giải mã dữ liệu để phân tích nó; đó chỉ là phần nổi của tảng băng chìm.

Một cân nhắc quan trọng là liệu các công ty có nên được phép đọc và lưu trữ thông tin cá nhân của chúng tôi ngay từ đầu hay không. Phản ứng tiêu chuẩn của Xu long đối với điều này là các công ty cần xem dữ liệu của chúng tôi trong lệnh để phục vụ chúng tôi tốt hơn.

Nếu YouTube không lưu trữ dữ liệu như lịch sử xem và lịch sử tìm kiếm của tôi, thì Thuật toán không thể phát huy hết tiềm năng và hiển thị cho tôi những video mà tôi quan tâm. Do đó, Xu long tin rằng sự đánh đổi giữa quyền riêng tư dữ liệu và quyền truy cập vào các dịch vụ tốt hơn là xứng đáng. Tuy nhiên, với FHE, chúng tôi không người theo lệnh long phải đánh đổi điều này. Các công ty như YouTube có thể đào tạo thuật toán của họ trên dữ liệu mã hóa và tạo ra kết quả tương tự cho người dùng cuối mà không vi phạm quyền riêng tư dữ liệu. Cụ thể, họ có thể Mã hóa đồng cấu thông tin như lịch sử xem và tìm kiếm của tôi, phân tích thông tin đó mà không cần xem và sau đó hiển thị cho tôi các video tôi quan tâm dựa trên phân tích.

FHE là một bước quan trọng để xây dựng một tương lai nơi dữ liệu của chúng tôi không người theo lệnh long là một mặt hàng có giá trị mà chúng tôi tự do cung cấp cho các tổ chức của mình.

Ứng dụng của mã hóa đồng cấu hoàn toàn

mã hóa đồng cấu hoàn toàn (FHE), nếu được áp dụng đúng cách, sẽ là một bước đột phá cho tất cả các ngành lưu trữ dữ liệu người dùng. Chúng tôi đang xem xét một công nghệ có thể thay đổi thái độ tổng thể của chúng tôi đối với quyền riêng tư dữ liệu và giới hạn của những gì được chấp nhận đối với các công ty.

Hãy bắt đầu bằng cách khám phá cách FHE có thể chuyển đổi thực hành dữ liệu trong chăm sóc sức khỏe. Các bệnh viện dài nhất giữ hồ sơ cá nhân của bệnh nhân trong cơ sở dữ liệu của họ, phải được giữ bí mật vì lý do đạo đức và pháp lý. Tuy nhiên, thông tin này rất có giá trị đối với các nhà nghiên cứu y tế bên ngoài, những người có thể phân tích dữ liệu để phái sinh những hiểu biết quan trọng về bệnh và các phương pháp điều trị tiềm năng. Một trở ngại lớn để làm chậm tiến trình nghiên cứu là duy trì tính bảo mật hoàn toàn của dữ liệu bệnh nhân khi thuê ngoài dữ liệu cho các nhà nghiên cứu. Có người theo lệnh long cách để ẩn danh hoặc ẩn danh giả hồ sơ bệnh nhân, nhưng không có cách nào trong số này là hoàn hảo và có thể tiết lộ thông tin của ai đó quá long để làm cho nó có thể nhận dạng được hoặc có thể không tiết lộ đủ thông tin trường hợp để gây khó khăn cho việc hiểu biết chính xác về căn bệnh này.

Với FHE, các bệnh viện có thể Mã hóa đồng cấu dữ liệu bệnh nhân, giúp bảo vệ quyền riêng tư của bệnh nhân trên đám mây dễ dàng hơn. Các nhà nghiên cứu y tế có thể thực hiện tính toán và chạy phân tích dữ liệu mã hóa mà không ảnh hưởng đến quyền riêng tư của bệnh nhân. Bởi vì có ánh xạ một-một giữa dữ liệu mã hóa và dữ liệu thô, kết quả thu được từ tập dữ liệu mã hóa cung cấp thông tin chi tiết trong thế giới thực có thể được áp dụng cho các tình huống trong thế giới thực. FHE có thể nhanh chóng thúc đẩy ngành chăm sóc sức khỏe.

Một ứng dụng thú vị khác của mã hóa đồng cấu hoàn toàn (FHE) trong đào tạo trí tuệ nhân tạo (AI) cũng đáng được chú ý. Hiện tại, không gian AI phải đối mặt với những lo ngại về quyền riêng tư, điều này cản trở khả năng truy cập các bộ dữ liệu lớn và rộng lớn của các công ty rất quan trọng để tinh chỉnh các thuật toán AI. Các công ty đào tạo AI phải lựa chọn giữa việc sử dụng bộ dữ liệu công khai hạn chế, trả nhiều tiền để mua bộ dữ liệu riêng hoặc tạo tập dữ liệu, điều này đặc biệt khó khăn đối với các công ty nhỏ hơn có ít người dùng hơn. FHE sẽ có thể giải quyết các mối quan tâm về quyền riêng tư ngăn long các nhà cung cấp tập dữ liệu tham gia vào thị trường này. Do đó, những cải tiến trong FHE có khả năng dẫn đến sự gia tăng số lượng bộ dữ liệu có sẵn để đào tạo AI. Điều này sẽ làm cho việc đào tạo AI trở nên khả thi và tinh tế hơn về mặt kinh tế, với thời gian dài nhất của các bộ dữ liệu có sẵn.

Với FHE, các công ty có thể đào tạo các mô hình học máy trên dữ liệu mã hóa mà không tiết lộ dữ liệu gốc. Điều này có nghĩa là chủ sở hữu dữ liệu có thể chia sẻ dữ liệu mã hóa của họ một cách an toàn mà không phải lo lắng về vi phạm quyền riêng tư hoặc lạm dụng dữ liệu. Đồng thời, các giảng viên mô hình AI có thể cải thiện Thuật toán của họ với các bộ dữ liệu toàn diện và long hơn có thể không có sẵn nếu không có FHE. Do đó, mã hóa đồng cấu hoàn toàn không chỉ cải thiện bảo mật dữ liệu mà còn mở rộng khả năng nghiên cứu và phát triển AI, giúp việc ứng dụng công nghệ AI trở nên rộng rãi và hiệu quả hơn.

Khiếm khuyết của mã hóa đồng cấu hoàn toàn trong quá khứ

Mặc dù mã hóa đồng cấu hoàn toàn (FHE) hứa hẹn sẽ biến đổi dữ liệu lớn đương đại, nhưng tại sao chúng ta không thấy nhiều ứng dụng thực tế long hơn?

Mặc dù FHE đã là một chủ đề được thảo luận và nghiên cứu trong nhiều năm qua, nhưng thực tế là rất khó để thực hiện FHE trong thực tế. Thách thức cốt lõi là sức mạnh tính toán cần thiết để thực hiện FHE. Một tập dữ liệu hoàn toàn an toàn đồng cấu có thể tạo ra các kết quả phân tích giống như ở dạng dữ liệu ban đầu của nó. Đây là một kỳ công đầy thách thức đòi hỏi nhiều tốc độ và sức mạnh tính toán, trong đó long là không thực tế để thực hiện trên các máy tính hiện có. Các hoạt động thường mất vài giây trên dữ liệu thô có thể mất hàng giờ hoặc thậm chí vài ngày trên các bộ dữ liệu Mã hóa đồng cấu. Thách thức tính toán này đã tạo ra một chu kỳ tự kéo dài, với các kỹ sư long trì hoãn việc thực hiện dự án FHE, làm chậm sự phát triển của nó và hạn chế việc thực hiện đầy đủ các lợi ích của nó.

Một vấn đề tính toán cụ thể mà các kỹ sư phải đối mặt trên FHE là xử lý “lỗi tiếng ồn”. Khi tính toán các bộ dữ liệu Mã hóa đồng cấu, Xu long các kỹ sư đã gặp phải các tình huống trong đó mỗi phép tính tạo ra thêm tiếng ồn hoặc lỗi. Điều này có thể chấp nhận được khi chỉ cần một vài tính toán, nhưng sau khi phân tích lâu, nhiễu có thể trở nên nổi bật đến mức dữ liệu thô trở nên khó hiểu. Dữ liệu gần như bị mất.

Tại sao bây giờ

Cũng giống như AI tạo ra, từng được coi là hạn chế và nguyên thủy, cho đến khi nó trở thành xu hướng, mã hóa đồng cấu hoàn toàn (FHE) cũng đang trên một quỹ đạo tiến bộ tương tự. long nhà lãnh đạo ngành công nghiệp, và thậm chí cả những người ngoài Blockchain, đã cùng nhau tổ chức rất nhiều nghiên cứu và phát triển về FHE. Điều này đã dẫn đến một số phát triển công nghiệp gần đây đã thúc đẩy câu chuyện hấp dẫn về tiến bộ công nghệ này.

DỰ ÁN DPRIVE

Vào tháng 3/2021, Microsoft, Intel và Cơ quan Dự án Nghiên cứu Quốc phòng Tiên tiến (DARPA) đã đồng ý khởi động một chương trình dài nhất để đẩy nhanh sự phát triển của mã hóa đồng cấu hoàn toàn (FHE). Sáng kiến này, được gọi là Bảo vệ dữ liệu trong môi trường ảo (DPRIVE), đánh dấu một bước tiến quan trọng đối với FHE. Nó giới thiệu hai gã khổng lồ trong ngành tập trung vào điện toán đám mây và phần cứng máy tính hợp lực để giải quyết các vấn đề về quyền riêng tư dữ liệu. Họ bắt đầu chương trình xây dựng máy tính và phần mềm có thể quản lý tốc độ tính toán FHE và thiết lập nến long tim để thực hiện chính xác FHE để ngăn chặn vi phạm dữ liệu do lạm dụng.

Là một phần của sáng kiến DPRIVE, các kỹ sư đã đảm nhận nhiệm vụ giảm thiểu “lỗi nhiễu” nói trên bằng cách khám phá các cách để giảm tiếng ồn xuống mức dữ liệu gốc. Một giải pháp đầy hứa hẹn là thiết kế các biểu diễn dữ liệu kích thước từ số học lớn (LAWS). Trong khi các bộ xử lý máy tính truyền thống (CPU) thường sử dụng các từ 64 bit, các kỹ sư đang phát triển phần cứng LAWS mới có khả năng xử lý các từ long 1024 bit trở lên. Phương pháp này hoạt động vì các nghiên cứu đã chỉ ra rằng người theo lệnh long từ ảnh hưởng trực tiếp đến tỷ lệ tín hiệu trên nhiễu. Nói một cách đơn giản, người theo lệnh long từ tạo ra ít nhiễu hơn cho mỗi bước bổ sung trong FHE, cho phép thực hiện nhiều tính toán long hơn cho đến khi đạt đến ngưỡng mất dữ liệu. Bằng cách xây dựng phần cứng mới để giải quyết những thách thức này, các kỹ sư tham gia vào chương trình DPRIVE đã giảm đáng kể tải tính toán cần thiết để thực hiện PHE.

Để tăng tốc độ tính toán và tiến gần hơn đến mục tiêu làm cho FHE nhanh hơn 100.000 lần, nhóm DPRIVE đã bắt tay vào một hành trình liên tục để thiết kế các hệ thống xử lý dữ liệu mới vượt xa khả năng của các đơn vị xử lý và vẽ thông thường. Họ đã phát triển một hệ thống dữ liệu khao khát hướng dẫn khao khát (MIMD) mới có khả năng quản lý các hướng dẫn khao khát và bộ dữ liệu đồng thời. MIMD tương tự như xây dựng một đường cao tốc mới, thay vì sử dụng một con đường không phù hợp hiện có để phù hợp với dòng chảy theo yêu cầu của các tính toán nhanh, thời gian thực của FHE.

Một trong những điều thú vị về chương trình DPRIVE là việc sử dụng rộng rãi “song song” trong các tính toán toán học tính toán. Điều này cho phép các nhà phát triển thực hiện các phép tính số lớn dài nhất cùng một lúc. Bạn có thể nghĩ về song song như triển khai một nhóm các nhà toán học cùng một lúc để làm việc trên các phần khác nhau của một vấn đề toán học lớn, thay vì để họ làm công việc tương ứng của họ lần lượt. Mặc dù tính toán khao khát cùng một lúc có thể giúp giải quyết vấn đề nhanh chóng, máy tính phải được làm mát ngắn hơn để tránh quá nóng.

Vào tháng 9/2022, sau một năm rưỡi kể từ khi khởi động chương trình, Microsoft, Intel và DARPA thông báo rằng họ đã hoàn thành thành công giai đoạn đầu tiên của chương trình DPRIVE. Họ hiện đang làm việc trên giai đoạn thứ hai của DPRIVE.

SDK và Thư viện Mã nguồn mở

Là công ty lớn tiên phong mã hóa đồng cấu hoàn toàn (FHE), số lượng bộ công cụ phát triển phần mềm (SDK) và thư viện Mã nguồn mở có sẵn đã tăng lên, cho phép các nhà phát triển xây dựng dựa trên công việc của nhau.

Microsoft đã công bố Microsoft Seal, một thư viện Mã nguồn mở cung cấp cho các nhà phát triển các công cụ để thực hiện Mã hóa đồng cấu trên các bộ dữ liệu. Điều này cho phép nhiều nhà phát triển khám phá FHE, dân chủ hóa mã hóa đầu cuối và truy cập vào các dịch vụ điện toán. Thư viện cung cấp các ví dụ về các chương trình Mã hóa đồng cấu với các ghi chú chi tiết để hướng dẫn các nhà phát triển sử dụng đúng cách và an toàn.

Intel cũng đã ra mắt Bộ công cụ Mã hóa đồng cấu của riêng mình để cung cấp cho các nhà phát triển các công cụ để triển khai Mã hóa đồng cấu nhanh hơn trên đám mây. Intel đã thiết kế bộ công cụ linh hoạt và tương thích với những tiến bộ mới nhất trong xử lý dữ liệu và tính toán. Nó bao gồm các chức năng được thiết kế riêng cho mật mã lưới, tích hợp hoạt động liền mạch với Microsoft Seal, các mẫu sơ đồ Mã hóa đồng cấu và tài liệu kỹ thuật để hướng dẫn người dùng.

Thư viện Mã nguồn mở Tham gia và Điện toán riêng tư của Google cung cấp cho các nhà phát triển các công cụ điện toán người theo lệnh long (MPC). Phương pháp tính toán này cho phép các bên kết hợp các bộ dữ liệu khác nhau của họ để có được những hiểu biết được chia sẻ mà không để lộ dữ liệu thô cho nhau. Private Join and Compute kết hợp công nghệ mật mã từ FHE với Private Set Intersection (PSI) để tối ưu hóa các biện pháp bảo mật dữ liệu. PSI là một phương pháp mật mã khác cho phép các bên có bộ dữ liệu khác nhau xác định các yếu tố hoặc điểm dữ liệu chung mà không tiết lộ dữ liệu của họ. Cách tiếp cận của Google để thúc đẩy quyền riêng tư dữ liệu không chỉ tập trung vào FHE; nó ưu tiên khái niệm rộng hơn về MPC bằng cách tích hợp FHE với các thực tiễn dữ liệu có ảnh hưởng khác.

Đáng chú ý, sự sẵn có của thư viện Mã nguồn mở uy tín của Long tim nến cho FHE đang tăng lên. Tuy nhiên, điều này càng trở nên đáng chú ý hơn khi các công ty nổi tiếng được quan sát thử nghiệm với các thư viện này trong hoạt động của họ. Vào tháng 4/2021, Nasdaq, một thực thể công nghệ toàn cầu nổi bật cho các sàn giao dịch chứng khoán và Thị trường vốn, đã kết hợp FHE vào hoạt động của mình. Nasdaq tận dụng các công cụ FHE và bộ xử lý tốc độ cao của Intel để giải quyết tội phạm tài chính thông qua các nỗ lực AML và phát hiện gian lận. Điều này đạt được bằng cách sử dụng Mã hóa đồng cấu để xác định những hiểu biết có giá trị và hoạt động bất hợp pháp tiềm ẩn trong các bộ dữ liệu chứa thông tin nhạy cảm.

Huy động vốn gần đây

Ngoài việc nghiên cứu và phát triển được thực hiện bởi các công ty nói trên, một số công ty khác gần đây đã nhận được phí funding đáng kể cho các sáng kiến tập trung vào mã hóa đồng cấu hoàn toàn (FHE).

Cornami là một công ty công nghệ lớn được biết đến với việc phát triển các công nghệ điện toán đám mây có thể mở rộng được thiết kế dành riêng cho Mã hóa đồng cấu. Họ đã tham gia vào những nỗ lực khao khát nhằm tạo ra các hệ thống máy tính hỗ trợ FHE hiệu quả hơn các CPU truyền thống. Họ cũng hướng dẫn các sáng kiến nhằm bảo vệ dữ liệu mã hóa khỏi các mối đe dọa điện toán lượng tử. Vào tháng 5/2022, Cornami tuyên bố hoàn thành thành công vòng phí funding Series C, huy động được 68 triệu USD do SoftBank dẫn đầu, nâng tổng số vốn lên 150 triệu USD.

Zama, một công ty khác trong ngành công nghiệp Blockchain, đang xây dựng các công cụ Mã nguồn mở Mã hóa đồng cấu mà các nhà phát triển có thể tận dụng để xây dựng các ứng dụng thú vị bằng FHE, Blockchain và AI. Zama đã xây dựng một Máy ảo Ethereum đồng cấu hoàn toàn (fhEVM) như một phần của việc cung cấp sản phẩm của mình. hợp đồng thông minh giao thức này giữ cho dữ liệu giao dịch on-chain mã hóa trong quá trình xử lý. Các nhà phát triển của các ứng dụng khác nhau khám phá thư viện Zama đã rất ấn tượng với hiệu suất của nó, ngay cả trong các trường hợp sử dụng phức tạp. Zama đã hoàn tất thành công vòng phí funding Series A trị giá 42 triệu USD do Protocol Labs dẫn đầu vào tháng 2/2022, nâng tổng số vốn lên 50 triệu USD.

Fhenix cũng là một dự án mới nổi đang đưa FHE vào Blockchain. Mục tiêu của họ là mở rộng các ứng dụng FHE ngoài thanh toán tư nhân, mở ra cánh cửa cho các trường hợp sử dụng thú vị cho FHE trong các lĩnh vực như DeFi (Tài chính phi tập trung), cầu, bỏ phiếu quản trị và chơi game Web3. Vào tháng 9/2023, Fhenix tuyên bố kết thúc vòng hạt giống trị giá 7 triệu USD do Multicoin Capital và Collider Ventures dẫn đầu.

Điều gì xảy ra tiếp theo

Trong nhiều năm dài, mã hóa đồng cấu hoàn toàn (FHE) là một ý tưởng hứa hẹn mã hóa đầu cuối mạnh mẽ, báo trước một tương lai của quyền riêng tư dữ liệu mạnh mẽ. Những phát triển gần đây đang bắt đầu chuyển FHE từ giấc mơ lý thuyết sang ứng dụng trong thế giới thực. Trong khi các công ty đang cạnh tranh để trở thành người đầu tiên triển khai phiên bản FHE mạnh mẽ, đầy đủ tính năng, Xu long các công ty đang hợp tác để điều hướng sự phức tạp của công nghệ mạnh mẽ này. Tinh thần hợp tác này được thể hiện rõ qua việc họ thực hiện các dự án giữa các nhóm khác nhau và phát triển các thư viện Mã nguồn mở tích hợp với các thư viện khác.

Từ những gì tôi đã tìm thấy, cuộc thảo luận xung quanh FHE dường như rất sâu rộng. Trong vài tuần tới, tôi rất vui mừng được đi sâu hơn và chia sẻ mong muốn về những hiểu biết của tôi về nghiên cứu FHE. Cụ thể, tôi mong muốn khám phá nội dung dài nhất về các chủ đề sau:

Các ứng dụng mới nổi của FHE:

• Tương tác giữa zk-SNARK (ZKPs) và FHE.
• Tích hợp FHE với Private Collection Intersection (PSI) để tạo điều kiện tính toán người theo lệnh long an toàn (MPC).
• Các công ty mới như Zama và Fhenix đang dẫn đầu đường trong không gian FHE.

Tham khảo:

Arampatzis, Anastasios. “Những phát triển mới nhất trong Mã hóa đồng cấu.” Venafi, ngày 1 tháng 2 năm 2022, venafi.com/blog/what-are-latest-developments-homomorphic-encryption-ask-experts/.

Arampatzis, Anastasios. “Mã hóa đồng cấu là gì và nó được sử dụng như thế nào.” Venafi, ngày 28 tháng 4 năm 2023, venafi.com/blog/homomorphic-encryption-what-it-and-how-it-used/.

“Xây dựng phần cứng để cho phép bảo vệ dữ liệu liên tục.” DARPA, ngày 2 tháng 3 năm 2020,www.darpa.mil/news-events/2020-03-02.

Cristobal, Samuel. “Fully Mã hóa đồng cấu: The Holy Grail of Mật mã học.” Datascience.Aero, ngày 7 tháng 1 năm 2021, datascience.aero/fully-homomorphic-encryption-the-holy-grail-of-cryptography/.

“Mã hóa đồng cấu: Nó là gì, và tại sao nó lại quan trọng?” Internet Society, ngày 9 tháng 3 năm 2023,www.internetsociety.org/resources/doc/2023/homomorphic-mã hóa/.

Săn bắn, James. “FHENIX huy động được 7 triệu đô la vào năm Vòng tài trợ hạt giống dẫn đầu bởi Multicoin Capital.” The Khối, The Khối, ngày 26 tháng 9 năm 2023,www.theblock.co/post/252931/fhenix-seed-multicoin-capital.

“Bộ công cụ Intel® Mã hóa đồng cấu.” Intel, truy cập ngày 8 tháng 10 năm 2023,www.intel.com/content/www/us/en/developer/tools/homomorphic-mã hóa/overview.html#gs.fu 55 im.

“Intel hợp tác với Microsoft về CHƯƠNG TRÌNH DARPA.” Intel, ngày 8 tháng 3 năm 2021,www.intel.com/content/www/us/en/newsroom/news/intel-collaborate-microsoft-darpa-program.html#gs.ftusxq.

“Intel Xeon nâng cao Mã hóa đồng cấu R &D của NASDAQ.” Intel, ngày 6 tháng 4 năm 2021,www.intel.com/content/www/us/en/newsroom/news/xeon-advances-nasdaqs-homomorphic-mã hóa-rd.html#gs.6 mpgme.

Johnson, Rick. “Intel hoàn thành cột mốc DARPA DPRIVE Giai đoạn Một cho một nền tảng hoàn toàn Mã hóa đồng cấu.” Intel, ngày 14 tháng 9 năm 2022, community.intel.com/t 5/Blogs/Products-and-Solutions/HPC/Intel-Completes-DARPA-DPRIVE-Phase-One-Milestone-for-a-Full/post/1411021.

“Microsoft Seal: Thư viện Mã hóa đồng cấu nhanh chóng và dễ sử dụng.” Microsoft Research, ngày 4 tháng 1 năm 2023,www.microsoft.com/en-us/research/project/microsoft-seal/.

Paillier, Tiến sĩ Pascal. “Hoàn toàn Mã hóa đồng cấu: Chén Thánh của Mật mã học.” Tuổi kinh doanh, ngày 9 tháng 3 năm 2023,www.businessage.com/post/full-homomorphic-mã hóa-the-holy-grail-of-cryptography.

Samani, Kyle. “Bình minh của FHE trên chuỗi.” Multicoin Capital, ngày 26 tháng 9 năm 2023, multicoin.capital/2023/09/26/the-dawn-of-on-chain-fhe/.

Walker, Amanda, et al. “Giúp các tổ chức làm được nhiều hơn mà không cần thu thập thêm dữ liệu.” Blog bảo mật trực tuyến của Google, ngày 19 tháng 6 năm 2019, security.googleblog.com/2019/06/helping-organizations-do-more-without-collecting-more-data.html.

“Hoàn toàn Mã hóa đồng cấu là cái gì?” Inpher, ngày 11 tháng 4 năm 2021, inpher.io/technology/what-is-fully-homomorphic-encryption/.

White, Matt. “Một lịch sử ngắn gọn về AI tạo ra.” Trung bình, ngày 8 tháng 7 năm 2023, matthewdwhite.medium.com/a-brief-history-of-generative-ai-cb 1837 e 67106 #:~:text=Mặc dù% 20 hầu hết% 20 người% 20 sẽ% 20 thừa nhận, của% 20 Ổn định% 20 AI’s% 20 Ổn định% 20 khuếch tán.