Криптоактивы рынок данных и развитие Гомоморфного шифрования
По состоянию на 13 октября обсуждаемость и ценовые показатели трех основных криптоактивов выглядят следующим образом:
Обсуждений биткойна на прошлой неделе было 12,52K, что на 0,98% меньше, чем на предыдущей неделе. В прошлое воскресенье цена составила 63916 долларов, что на 1,62% выше, чем в воскресенье на предыдущей неделе.
Обсуждений по Ethereum на прошлой неделе было 3,63K, что на 3,45% больше по сравнению с предыдущей неделей. В воскресенье цена составила 2530 долларов, что на 4% ниже по сравнению с предыдущим воскресеньем.
Количество обсуждений определенного криптоактива на прошлой неделе составило 782, что на 12,63% меньше по сравнению с предыдущей неделей. В воскресенье цена составила 5,26 доллара, что на 0,25% меньше по сравнению с предыдущим воскресеньем.
Гомоморфное шифрование(FHE) является крайне перспективной технологией в области криптографии. Оно позволяет производить вычисления непосредственно над зашифрованными данными без необходимости их расшифровки, предоставляя мощную поддержку для защиты конфиденциальности и обработки данных. FHE может быть широко применено в таких сферах, как финансы, здравоохранение, облачные вычисления, машинное обучение, системы голосования, Интернет вещей и защита конфиденциальности в блокчейне. Несмотря на широкие перспективы применения, коммерциализация FHE по-прежнему сталкивается с множеством вызовов.
Потенциал FHE и сценарии применения
Максимальное преимущество Гомоморфного шифрования заключается в защите конфиденциальности. Например, одной компании необходимо использовать вычислительные возможности другой компании для анализа данных, но она не хочет, чтобы последняя имела доступ к конкретному содержимому. FHE может сыграть роль в такой ситуации: владелец данных может передать зашифрованные данные вычислительной стороне для обработки, результаты вычислений остаются зашифрованными, и владелец данных может получить результаты анализа после расшифровки. Этот механизм защищает конфиденциальность данных и выполняет необходимые вычислительные задачи.
Для отраслей с чувствительными данными, таких как финансы и здравоохранение, этот механизм защиты конфиденциальности особенно важен. С развитием облачных вычислений и искусственного интеллекта безопасность данных становится всё более актуальной. FHE может предоставить защиту многосторонних вычислений в этих 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 методами шифрования
В области Web3 основными методами защиты конфиденциальности являются Гомоморфное шифрование (FHE), нулевое доказательство (ZK), многопартитные вычисления (MPC) и доверенные исполняемые среды (TEE). FHE позволяет выполнять различные операции над зашифрованными данными без необходимости предварительной расшифровки. MPC позволяет сторонам проводить вычисления в условиях шифрования данных, не делясь конфиденциальной информацией. TEE предоставляет вычисления в безопасной среде, но гибкость обработки данных относительно ограничена.
Эти криптографические технологии имеют свои преимущества, но в поддержке сложных вычислительных задач FHE особенно выделяется. Тем не менее, FHE в реальных приложениях по-прежнему сталкивается с высокими вычислительными затратами и плохой масштабируемостью, что ограничивает его эффективность в реальном времени.
Ограничения и вызовы FHE
Хотя теоретические основы FHE мощны, в коммерческих приложениях возникли практические проблемы:
Большие вычислительные затраты: Гомоморфное шифрование требует значительных вычислительных ресурсов, и его затраты значительно увеличиваются по сравнению с нешифрованными вычислениями. Для высоких полиномиальных операций время обработки растет полиномиально, что затрудняет удовлетворение требований к вычислениям в реальном времени.
Ограниченные операционные возможности: Гомоморфное шифрование может выполнять сложение и умножение зашифрованных данных, но поддержка сложных нелинейных операций ограничена, что является узким местом для искусственного интеллекта, связанного с глубокими нейронными сетями.
Сложность поддержки нескольких пользователей: Гомоморфное шифрование хорошо работает в сценариях с одним пользователем, но при работе с многопользовательскими наборами данных сложность системы резко возрастает.
Слияние FHE и искусственного интеллекта
В эпоху, управляемую данными, искусственный интеллект широко применяется в различных областях, но опасения по поводу конфиденциальности данных заставляют пользователей не желать делиться чувствительной информацией. Гомоморфное шифрование предоставляет решения для защиты конфиденциальности в области ИИ. В сценариях облачных вычислений Гомоморфное шифрование позволяет обрабатывать данные пользователей в зашифрованном состоянии, обеспечивая конфиденциальность.
Это преимущество особенно важно в условиях требований таких регуляторов, как GDPR, которые требуют, чтобы пользователи имели право быть информированными о способах обработки данных и обеспечивали защиту данных в процессе их передачи. Энд-ту-энд шифрование с использованием Гомоморфного шифрования обеспечивает соблюдение требований и безопасность данных.
Текущее применение FHE в блокчейне и проекты
Применение Гомоморфного шифрования (FHE) в блокчейне в основном сосредоточено на защите конфиденциальности данных, включая конфиденциальность в цепочке, конфиденциальность данных для обучения ИИ, конфиденциальность голосования в цепочке и проверку конфиденциальных транзакций в цепочке. Многие проекты используют технологии FHE для реализации защиты конфиденциальности.
Некоторые проекты разработали решения FHE на основе технологии TFHE, сосредоточенные на булевых операциях и операциях с целыми числами малой длины, и построили стек разработки FHE для приложений блокчейна и ИИ. Другие проекты разработали новый язык смарт-контрактов и библиотеку FHE, подходящую для блокчейн-сетей.
Некоторые проекты используют Гомоморфное шифрование для реализации защиты конфиденциальности в вычислительных сетях ИИ, поддерживая различные модели ИИ. Есть также проекты, которые объединяют Гомоморфное шифрование с искусственным интеллектом, обеспечивая децентрализованную и защищённую от вторжений среду для ИИ.
Некоторые проекты выступают в качестве решения Layer 2 для Ethereum, поддерживают FHE Rollups и FHE Coprocessors, совместимы с EVM и поддерживают смарт-контракты, написанные на Solidity.
Вывод
FHE как передовая технология, позволяющая выполнять вычисления на зашифрованных данных, обладает значительными преимуществами в защите конфиденциальности данных. Хотя коммерческое применение FHE в настоящее время по-прежнему сталкивается с проблемами высокой вычислительной нагрузки и низкой масштабируемости, с помощью аппаратного ускорения и оптимизации алгоритмов эти проблемы могут быть постепенно решены. С развитием технологий блокчейна 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, обеспечивая новые 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» .
14 Лайков
Награда
14
6
Поделиться
комментарий
0/400
AirdropHunterXiao
· 18ч назад
BTC, наверное, взлетит в небеса.
Посмотреть ОригиналОтветить0
ChainDoctor
· 23ч назад
Эта раз действительно бычий, не так ли?
Посмотреть ОригиналОтветить0
RugpullTherapist
· 08-06 10:41
Бычий рынок пришел, идем на волну.
Посмотреть ОригиналОтветить0
SchrodingerPrivateKey
· 08-06 10:41
Почему данные такие странные?
Посмотреть ОригиналОтветить0
MysteryBoxBuster
· 08-06 10:39
BTC真猛 еще в зеленом
Посмотреть ОригиналОтветить0
GasDevourer
· 08-06 10:16
Будут играть для лохов первый человек в мире криптовалют
Применение и вызовы технологии FHE в области защиты конфиденциальности в Блокчейне и ИИ
Криптоактивы рынок данных и развитие Гомоморфного шифрования
По состоянию на 13 октября обсуждаемость и ценовые показатели трех основных криптоактивов выглядят следующим образом:
Обсуждений биткойна на прошлой неделе было 12,52K, что на 0,98% меньше, чем на предыдущей неделе. В прошлое воскресенье цена составила 63916 долларов, что на 1,62% выше, чем в воскресенье на предыдущей неделе.
Обсуждений по Ethereum на прошлой неделе было 3,63K, что на 3,45% больше по сравнению с предыдущей неделей. В воскресенье цена составила 2530 долларов, что на 4% ниже по сравнению с предыдущим воскресеньем.
Количество обсуждений определенного криптоактива на прошлой неделе составило 782, что на 12,63% меньше по сравнению с предыдущей неделей. В воскресенье цена составила 5,26 доллара, что на 0,25% меньше по сравнению с предыдущим воскресеньем.
Гомоморфное шифрование(FHE) является крайне перспективной технологией в области криптографии. Оно позволяет производить вычисления непосредственно над зашифрованными данными без необходимости их расшифровки, предоставляя мощную поддержку для защиты конфиденциальности и обработки данных. FHE может быть широко применено в таких сферах, как финансы, здравоохранение, облачные вычисления, машинное обучение, системы голосования, Интернет вещей и защита конфиденциальности в блокчейне. Несмотря на широкие перспективы применения, коммерциализация FHE по-прежнему сталкивается с множеством вызовов.
Потенциал FHE и сценарии применения
Максимальное преимущество Гомоморфного шифрования заключается в защите конфиденциальности. Например, одной компании необходимо использовать вычислительные возможности другой компании для анализа данных, но она не хочет, чтобы последняя имела доступ к конкретному содержимому. FHE может сыграть роль в такой ситуации: владелец данных может передать зашифрованные данные вычислительной стороне для обработки, результаты вычислений остаются зашифрованными, и владелец данных может получить результаты анализа после расшифровки. Этот механизм защищает конфиденциальность данных и выполняет необходимые вычислительные задачи.
Для отраслей с чувствительными данными, таких как финансы и здравоохранение, этот механизм защиты конфиденциальности особенно важен. С развитием облачных вычислений и искусственного интеллекта безопасность данных становится всё более актуальной. FHE может предоставить защиту многосторонних вычислений в этих 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 методами шифрования
В области Web3 основными методами защиты конфиденциальности являются Гомоморфное шифрование (FHE), нулевое доказательство (ZK), многопартитные вычисления (MPC) и доверенные исполняемые среды (TEE). FHE позволяет выполнять различные операции над зашифрованными данными без необходимости предварительной расшифровки. MPC позволяет сторонам проводить вычисления в условиях шифрования данных, не делясь конфиденциальной информацией. TEE предоставляет вычисления в безопасной среде, но гибкость обработки данных относительно ограничена.
Эти криптографические технологии имеют свои преимущества, но в поддержке сложных вычислительных задач FHE особенно выделяется. Тем не менее, FHE в реальных приложениях по-прежнему сталкивается с высокими вычислительными затратами и плохой масштабируемостью, что ограничивает его эффективность в реальном времени.
Ограничения и вызовы FHE
Хотя теоретические основы FHE мощны, в коммерческих приложениях возникли практические проблемы:
Большие вычислительные затраты: Гомоморфное шифрование требует значительных вычислительных ресурсов, и его затраты значительно увеличиваются по сравнению с нешифрованными вычислениями. Для высоких полиномиальных операций время обработки растет полиномиально, что затрудняет удовлетворение требований к вычислениям в реальном времени.
Ограниченные операционные возможности: Гомоморфное шифрование может выполнять сложение и умножение зашифрованных данных, но поддержка сложных нелинейных операций ограничена, что является узким местом для искусственного интеллекта, связанного с глубокими нейронными сетями.
Сложность поддержки нескольких пользователей: Гомоморфное шифрование хорошо работает в сценариях с одним пользователем, но при работе с многопользовательскими наборами данных сложность системы резко возрастает.
Слияние FHE и искусственного интеллекта
В эпоху, управляемую данными, искусственный интеллект широко применяется в различных областях, но опасения по поводу конфиденциальности данных заставляют пользователей не желать делиться чувствительной информацией. Гомоморфное шифрование предоставляет решения для защиты конфиденциальности в области ИИ. В сценариях облачных вычислений Гомоморфное шифрование позволяет обрабатывать данные пользователей в зашифрованном состоянии, обеспечивая конфиденциальность.
Это преимущество особенно важно в условиях требований таких регуляторов, как GDPR, которые требуют, чтобы пользователи имели право быть информированными о способах обработки данных и обеспечивали защиту данных в процессе их передачи. Энд-ту-энд шифрование с использованием Гомоморфного шифрования обеспечивает соблюдение требований и безопасность данных.
Текущее применение FHE в блокчейне и проекты
Применение Гомоморфного шифрования (FHE) в блокчейне в основном сосредоточено на защите конфиденциальности данных, включая конфиденциальность в цепочке, конфиденциальность данных для обучения ИИ, конфиденциальность голосования в цепочке и проверку конфиденциальных транзакций в цепочке. Многие проекты используют технологии FHE для реализации защиты конфиденциальности.
Некоторые проекты разработали решения FHE на основе технологии TFHE, сосредоточенные на булевых операциях и операциях с целыми числами малой длины, и построили стек разработки FHE для приложений блокчейна и ИИ. Другие проекты разработали новый язык смарт-контрактов и библиотеку FHE, подходящую для блокчейн-сетей.
Некоторые проекты используют Гомоморфное шифрование для реализации защиты конфиденциальности в вычислительных сетях ИИ, поддерживая различные модели ИИ. Есть также проекты, которые объединяют Гомоморфное шифрование с искусственным интеллектом, обеспечивая децентрализованную и защищённую от вторжений среду для ИИ.
Некоторые проекты выступают в качестве решения Layer 2 для Ethereum, поддерживают FHE Rollups и FHE Coprocessors, совместимы с EVM и поддерживают смарт-контракты, написанные на Solidity.
Вывод
FHE как передовая технология, позволяющая выполнять вычисления на зашифрованных данных, обладает значительными преимуществами в защите конфиденциальности данных. Хотя коммерческое применение FHE в настоящее время по-прежнему сталкивается с проблемами высокой вычислительной нагрузки и низкой масштабируемости, с помощью аппаратного ускорения и оптимизации алгоритмов эти проблемы могут быть постепенно решены. С развитием технологий блокчейна 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, обеспечивая новые революционные прорывы в безопасности данных.