原作者:Haotian
FHE(完全同型暗号化)完全同型暗号化に関するVitalikの記事は、新しい暗号化技術を探求し、ショートを想像するように再びすべての人に刺激を与えました。 私の意見では、FHE完全同型暗号化は、ZKPテクノロジーが想像するショートよりも一歩大きく、AI+暗号資産 ロングより多くのアプリケーションシナリオに役立つ可能性があります。 これをどう理解するか?
1)定義:FHE完全完全同型暗号化は、データやプライバシーの公開を心配することなく、特定の形式の暗号化データの操作を実現できます。 対照的に、ZKPは、暗号化された状態でのデータの一貫した送信の問題のみを解決でき、受信側は、送信側のデータが本物であり、ポイントツーポイントの暗号化送信スキームであることのみを検証できます。 しかし、完全同型暗号化は操作の対象の範囲を限定しないため、操作スキームロング 暗号化憧れと見なすことができます。
2)仕組み:従来のコンピュータコンピューティングは、平文データの操作を拡張することですが、暗号化されたデータは計算前に復号化する必要があり、必然的に個人データが公開されます。 同型暗号化は、暗号文の「準同型」変換を実行できる特別な暗号化スキームを構築するため、操作の結果は平文の結果と同じになります。 同型暗号化システムでは、平文の加算演算は暗号文(法則)の乗算演算と同等であるため、平文データを追加する場合は、暗号文を乗算して計算する(等価性)だけで済みます。
ショートでは、同型暗号化は、暗号文状態のデータを特別な準同型変更によって平文と同じ結果を取得できるようにし、操作ルールの準同型対応特性を保証するだけで済みます。
3)アプリケーションシナリオ:従来のインターネット分野では、FHE完全完全同型暗号化は、クラウドストレージ、生体認証、医療健康、金融、広告、遺伝子配列決定などの幅広い分野に適用できます。 生体認証を例にとると、個人の指紋、虹彩、顔、その他の生体認証データは機密データであり、FHEテクノロジーを使用すると、サーバーの暗号文状態でこれらのデータの比較と検証を実現できます。 同様に、ヘルスケアにおける憧れのデータ人をカモにする人々をFHEで壊すことができ、生データを共有することなく、さまざまな医療構造が共同分析とモデリングを実行できます。
暗号資産分野では、FHEアプリケーションショートには、ゲーム、DAO投票ガバナンス、MEV保護、シールドされたトランザクション、規制コンプライアンスなど、プライバシーを必要とする憧れのシナリオも含まれる可能性があります。 ゲームのシナリオを例にとると、プレイヤーの手札にあるカードを覗き見しないことを前提に、プラットフォームはゲームを宣伝するために操作を拡張し、ゲームをより公平にします。
また、DAO投票を例にとると、投票ガバナンスへのクジラの参加は、アドレスと投票数を明らかにすることなく、操作を通じてプロトコルに投票結果を生成させることができます。 さらに、ユーザーは暗号化されたトランザクションをMempoolに送信できるため、宛先アドレスや転送量などのプライベートメッセージの公開を回避できます。 別の例は、政府が資金のプールを監視し、正当な取引のプライバシーデータを表示しないマネーシステム内のブラックアドレスを含む資産を売却できる規制シナリオです。
4)欠陥:従来の演算のコンピュータ平文実装のコンピューティング環境は、加算、減算、乗算と除算、条件ループ、論理ゲート判定などに加えて複雑であることが多いのに対し、半準同型暗号化と完全準同型完全同型暗号化は加算と乗算でしか迅速に拡張できず、より複雑な演算を組み合わせて重ね合わせる必要があるため、コンピューティングパワーの需要が高まります。
したがって、理論的には、完全完全同型暗号化は任意の計算をサポートできますが、パフォーマンスのボトルネックやアルゴリズムの特性により、効率的に実行できる準同型計算の種類と複雑さは非常に限られています。 計算電力消費は、すべての複雑な操作に必要です。 したがって、完全完全同型暗号化の技術実装プロセスは、実際にはアルゴリズム最適化と計算コンピューティングパワーコスト制御最適化の開発プロセスであり、特にハードウェアアクセラレーションとコンピューティングパワー強化後のパフォーマンスです。
上記
私の意見では、FHE完全完全同型暗号化は成熟してショートタイムで適用することは困難ですが、ZKPテクノロジーの拡張および補完として、AI大規模モデルプライバシーコンピューティング、AIデータジョイントモデリング、AI共同トレーニング、暗号資産プライバシーコンプライアンストランザクション、および暗号資産シナリオ拡張。
44.16K 人気度
5.06K 人気度
3.53K 人気度
1.43K 人気度
1.39K 人気度
FHE完全完全同型暗号化の簡単な分析:技術原理、アプリケーションシナリオ、および関連プロジェクト
原作者:Haotian
FHE(完全同型暗号化)完全同型暗号化に関するVitalikの記事は、新しい暗号化技術を探求し、ショートを想像するように再びすべての人に刺激を与えました。 私の意見では、FHE完全同型暗号化は、ZKPテクノロジーが想像するショートよりも一歩大きく、AI+暗号資産 ロングより多くのアプリケーションシナリオに役立つ可能性があります。 これをどう理解するか?
1)定義:FHE完全完全同型暗号化は、データやプライバシーの公開を心配することなく、特定の形式の暗号化データの操作を実現できます。 対照的に、ZKPは、暗号化された状態でのデータの一貫した送信の問題のみを解決でき、受信側は、送信側のデータが本物であり、ポイントツーポイントの暗号化送信スキームであることのみを検証できます。 しかし、完全同型暗号化は操作の対象の範囲を限定しないため、操作スキームロング 暗号化憧れと見なすことができます。
2)仕組み:従来のコンピュータコンピューティングは、平文データの操作を拡張することですが、暗号化されたデータは計算前に復号化する必要があり、必然的に個人データが公開されます。 同型暗号化は、暗号文の「準同型」変換を実行できる特別な暗号化スキームを構築するため、操作の結果は平文の結果と同じになります。 同型暗号化システムでは、平文の加算演算は暗号文(法則)の乗算演算と同等であるため、平文データを追加する場合は、暗号文を乗算して計算する(等価性)だけで済みます。
ショートでは、同型暗号化は、暗号文状態のデータを特別な準同型変更によって平文と同じ結果を取得できるようにし、操作ルールの準同型対応特性を保証するだけで済みます。
3)アプリケーションシナリオ:従来のインターネット分野では、FHE完全完全同型暗号化は、クラウドストレージ、生体認証、医療健康、金融、広告、遺伝子配列決定などの幅広い分野に適用できます。 生体認証を例にとると、個人の指紋、虹彩、顔、その他の生体認証データは機密データであり、FHEテクノロジーを使用すると、サーバーの暗号文状態でこれらのデータの比較と検証を実現できます。 同様に、ヘルスケアにおける憧れのデータ人をカモにする人々をFHEで壊すことができ、生データを共有することなく、さまざまな医療構造が共同分析とモデリングを実行できます。
暗号資産分野では、FHEアプリケーションショートには、ゲーム、DAO投票ガバナンス、MEV保護、シールドされたトランザクション、規制コンプライアンスなど、プライバシーを必要とする憧れのシナリオも含まれる可能性があります。 ゲームのシナリオを例にとると、プレイヤーの手札にあるカードを覗き見しないことを前提に、プラットフォームはゲームを宣伝するために操作を拡張し、ゲームをより公平にします。
また、DAO投票を例にとると、投票ガバナンスへのクジラの参加は、アドレスと投票数を明らかにすることなく、操作を通じてプロトコルに投票結果を生成させることができます。 さらに、ユーザーは暗号化されたトランザクションをMempoolに送信できるため、宛先アドレスや転送量などのプライベートメッセージの公開を回避できます。 別の例は、政府が資金のプールを監視し、正当な取引のプライバシーデータを表示しないマネーシステム内のブラックアドレスを含む資産を売却できる規制シナリオです。
4)欠陥:従来の演算のコンピュータ平文実装のコンピューティング環境は、加算、減算、乗算と除算、条件ループ、論理ゲート判定などに加えて複雑であることが多いのに対し、半準同型暗号化と完全準同型完全同型暗号化は加算と乗算でしか迅速に拡張できず、より複雑な演算を組み合わせて重ね合わせる必要があるため、コンピューティングパワーの需要が高まります。
したがって、理論的には、完全完全同型暗号化は任意の計算をサポートできますが、パフォーマンスのボトルネックやアルゴリズムの特性により、効率的に実行できる準同型計算の種類と複雑さは非常に限られています。 計算電力消費は、すべての複雑な操作に必要です。 したがって、完全完全同型暗号化の技術実装プロセスは、実際にはアルゴリズム最適化と計算コンピューティングパワーコスト制御最適化の開発プロセスであり、特にハードウェアアクセラレーションとコンピューティングパワー強化後のパフォーマンスです。
上記
私の意見では、FHE完全完全同型暗号化は成熟してショートタイムで適用することは困難ですが、ZKPテクノロジーの拡張および補完として、AI大規模モデルプライバシーコンピューティング、AIデータジョイントモデリング、AI共同トレーニング、暗号資産プライバシーコンプライアンストランザクション、および暗号資産シナリオ拡張。