Криптоактивы: динамика рынка и анализ гомоморфного шифрования
По состоянию на 13 октября, обсуждаемость и ценовые показатели нескольких основных криптоактивов следующие:
Обсуждений о биткойне на прошлой неделе было 12,52K, что на 0,98% меньше, чем на предыдущей неделе. В воскресенье его цена достигла 63916 долларов, что на 1,62% больше, чем на предыдущей неделе.
Обсуждений по Ethereum на прошлой неделе было 3,63K, что на 3,45% больше, чем на предыдущей неделе. В минувшее воскресенье его цена составила 2530 долларов, что на 4% ниже, чем на предыдущей неделе.
Обсуждений TON на прошлой неделе было 782, что на 12.63% меньше, чем на предыдущей неделе. В воскресенье его цена составила 5.26 долларов, что на 0.25% ниже, чем на предыдущей неделе.
Гомоморфное шифрование(FHE) как новая технология в области криптографии привлекает большое внимание. Его ключевое преимущество заключается в возможности выполнять вычисления непосредственно над зашифрованными данными без необходимости их расшифровки, что обеспечивает сильную поддержку в обработке данных и защите конфиденциальности. Технология FHE может быть применена в таких областях, как финансы, здравоохранение, облачные вычисления, машинное обучение, системы голосования, Интернет вещей и защита конфиденциальности в блокчейне. Несмотря на широкие перспективы, коммерциализация FHE все еще сталкивается с многочисленными вызовами.
Потенциал и сферы применения Гомоморфного шифрования
Основное преимущество FHE заключается в защите конфиденциальности. Например, когда одной компании необходимо использовать вычислительные возможности другой компании для анализа данных, но она не хочет, чтобы содержание данных было раскрыто, FHE может сыграть важную роль. Владелец данных может передать зашифрованные данные вычислителю для обработки, и результаты вычислений остаются в зашифрованном состоянии; владелец данных может получить результаты анализа после расшифровки. Этот механизм эффективно защищает конфиденциальность данных, одновременно позволяя вычислителю выполнять необходимые задачи.
Этот механизм защиты конфиденциальности особенно важен для таких чувствительных отраслей, как финансы и здравоохранение. С развитием облачных вычислений и искусственного интеллекта безопасность данных становится все более актуальной. Гомоморфное шифрование (FHE) в этих сценариях может обеспечить защиту многопартийных вычислений, позволяя сторонам сотрудничать без раскрытия конфиденциальной информации. В технологии блокчейн FHE повышает прозрачность и безопасность обработки данных благодаря функциям защиты конфиденциальности на цепочке и проверки конфиденциальных транзакций.
Сравнение FHE с другими способами шифрования
В области Web3 FHE, нулевые доказательства (ZK), многопартитные вычисления (MPC) и защищенные среды выполнения (TEE) являются основными методами защиты конфиденциальности. В отличие от ZK, FHE может выполнять множество операций над зашифрованными данными без необходимости предварительной расшифровки. MPC позволяет сторонам проводить вычисления в условиях шифрования данных, не делясь при этом конфиденциальной информацией. TEE обеспечивает вычисления в безопасной среде, но гибкость обработки данных относительно ограничена.
Эти криптоактивы имеют свои преимущества, но в поддержке сложных вычислительных задач Гомоморфное шифрование особенно выделяется. Однако в реальных приложениях Гомоморфное шифрование по-прежнему сталкивается с высокими вычислительными затратами и плохой масштабируемостью, что ограничивает его эффективность в реальном времени.
Ограничения и вызовы FHE
Несмотря на то, что теоретическая основа Гомоморфного шифрования сильна, в коммерческом применении возникают реальные проблемы:
Большие вычислительные затраты: Гомоморфное шифрование требует значительных вычислительных ресурсов, и его вычислительные затраты значительно выше, чем у незащищенных вычислений. Для операций с многочленами высокой степени время обработки возрастает полиномиально, что затрудняет удовлетворение требований к вычислениям в реальном времени. Снижение затрат зависит от специализированного аппаратного ускорения, но это также увеличивает сложность развертывания.
Ограниченные операционные возможности: хотя Гомоморфное шифрование (FHE) может выполнять сложение и умножение зашифрованных данных, поддержка сложных нелинейных операций ограничена, что является узким местом для приложений искусственного интеллекта, таких как глубокие нейронные сети. В настоящее время схемы FHE по-прежнему в основном применимы к линейным и простым полиномиальным вычислениям, применение нелинейных моделей значительно ограничено.
Сложность поддержки нескольких пользователей: Гомоморфное шифрование хорошо работает в сценариях с одним пользователем, но при работе с многопользовательскими наборами данных сложность системы резко возрастает. Предложенная в 2013 году структура многоключевого Гомоморфного шифрования, хотя и позволяет оперировать зашифрованными наборами данных с различными ключами, значительно увеличивает сложность управления ключами и архитектуры системы.
Сочетание Гомоморфного шифрования и искусственного интеллекта
В эпоху данных, основанных на данных, искусственный интеллект (AI) широко применяется в различных областях, но из-за опасений по поводу конфиденциальности данных пользователи часто не хотят делиться чувствительными данными. Гомоморфное шифрование (FHE) предлагает решения для защиты конфиденциальности в области ИИ. В сценариях облачных вычислений данные обычно шифруются во время передачи и хранения, но в процессе обработки они часто находятся в открытом виде. С помощью FHE пользовательские данные могут обрабатываться в зашифрованном состоянии, обеспечивая конфиденциальность данных.
Это преимущество особенно важно в условиях таких нормативных актов, как GDPR, поскольку они требуют от пользователей права знать, как обрабатываются данные, и обеспечивают защиту данных в процессе их передачи. Энд-то-энд шифрование с использованием Гомоморфного шифрования гарантирует соблюдение норм 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 конфиденциальный аудит транзакций в цепочке и т.д. В настоящее время несколько проектов используют технологии FHE для реализации защиты конфиденциальности.
Некоторые известные проекты включают:
Базированный на технологии TFHE, фокусирующийся на булевых операциях и операциях с целыми числами низкой длины, стек разработки FHE.
Разработан новый язык смарт-контрактов и проект библиотеки HyperghraphFHE, подходящей для блокчейн-сетей.
Использование Гомоморфного шифрования для реализации защиты конфиденциальности в вычислительных сетях ИИ, поддерживающее множество решений для различных моделей ИИ.
Совмещение Гомоморфного шифрования с искусственным интеллектом для создания децентрализованной и защищенной среды ИИ.
В качестве решения Layer 2 для Ethereum, поддерживающего Гомоморфное шифрование Rollups и Гомоморфное шифрование Coprocessors, совместимого с EVM и поддерживающего написание смарт-контрактов на Solidity.
Заключение
FHE как передовая технология, позволяющая выполнять вычисления на зашифрованных данных, обладает значительными преимуществами в защите конфиденциальности данных. Хотя в настоящее время коммерческое применение FHE по-прежнему сталкивается с проблемами высокой вычислительной нагрузки и плохой масштабируемости, с помощью аппаратного ускорения и оптимизации алгоритмов эти проблемы могут постепенно решаться. Кроме того, с развитием технологий блокчейн 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, что приведет к новым революционным прорывам в области 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» .
10 Лайков
Награда
10
4
Репост
Поделиться
комментарий
0/400
0xOverleveraged
· 10ч назад
btc это король токенов вселенной
Посмотреть ОригиналОтветить0
DegenRecoveryGroup
· 10ч назад
Цифровые токены наконец двинулись! Вперед!
Посмотреть ОригиналОтветить0
FlatlineTrader
· 10ч назад
мир криптовалют опять растет и падает, кто это выдержит
Крипторынок колебания и перспективы и вызовы гомоморфного шифрования технологии
Криптоактивы: динамика рынка и анализ гомоморфного шифрования
По состоянию на 13 октября, обсуждаемость и ценовые показатели нескольких основных криптоактивов следующие:
Обсуждений о биткойне на прошлой неделе было 12,52K, что на 0,98% меньше, чем на предыдущей неделе. В воскресенье его цена достигла 63916 долларов, что на 1,62% больше, чем на предыдущей неделе.
Обсуждений по Ethereum на прошлой неделе было 3,63K, что на 3,45% больше, чем на предыдущей неделе. В минувшее воскресенье его цена составила 2530 долларов, что на 4% ниже, чем на предыдущей неделе.
Обсуждений TON на прошлой неделе было 782, что на 12.63% меньше, чем на предыдущей неделе. В воскресенье его цена составила 5.26 долларов, что на 0.25% ниже, чем на предыдущей неделе.
Гомоморфное шифрование(FHE) как новая технология в области криптографии привлекает большое внимание. Его ключевое преимущество заключается в возможности выполнять вычисления непосредственно над зашифрованными данными без необходимости их расшифровки, что обеспечивает сильную поддержку в обработке данных и защите конфиденциальности. Технология FHE может быть применена в таких областях, как финансы, здравоохранение, облачные вычисления, машинное обучение, системы голосования, Интернет вещей и защита конфиденциальности в блокчейне. Несмотря на широкие перспективы, коммерциализация FHE все еще сталкивается с многочисленными вызовами.
Потенциал и сферы применения Гомоморфного шифрования
Основное преимущество FHE заключается в защите конфиденциальности. Например, когда одной компании необходимо использовать вычислительные возможности другой компании для анализа данных, но она не хочет, чтобы содержание данных было раскрыто, FHE может сыграть важную роль. Владелец данных может передать зашифрованные данные вычислителю для обработки, и результаты вычислений остаются в зашифрованном состоянии; владелец данных может получить результаты анализа после расшифровки. Этот механизм эффективно защищает конфиденциальность данных, одновременно позволяя вычислителю выполнять необходимые задачи.
Этот механизм защиты конфиденциальности особенно важен для таких чувствительных отраслей, как финансы и здравоохранение. С развитием облачных вычислений и искусственного интеллекта безопасность данных становится все более актуальной. Гомоморфное шифрование (FHE) в этих сценариях может обеспечить защиту многопартийных вычислений, позволяя сторонам сотрудничать без раскрытия конфиденциальной информации. В технологии блокчейн FHE повышает прозрачность и безопасность обработки данных благодаря функциям защиты конфиденциальности на цепочке и проверки конфиденциальных транзакций.
Сравнение FHE с другими способами шифрования
В области Web3 FHE, нулевые доказательства (ZK), многопартитные вычисления (MPC) и защищенные среды выполнения (TEE) являются основными методами защиты конфиденциальности. В отличие от ZK, FHE может выполнять множество операций над зашифрованными данными без необходимости предварительной расшифровки. MPC позволяет сторонам проводить вычисления в условиях шифрования данных, не делясь при этом конфиденциальной информацией. TEE обеспечивает вычисления в безопасной среде, но гибкость обработки данных относительно ограничена.
Эти криптоактивы имеют свои преимущества, но в поддержке сложных вычислительных задач Гомоморфное шифрование особенно выделяется. Однако в реальных приложениях Гомоморфное шифрование по-прежнему сталкивается с высокими вычислительными затратами и плохой масштабируемостью, что ограничивает его эффективность в реальном времени.
Ограничения и вызовы FHE
Несмотря на то, что теоретическая основа Гомоморфного шифрования сильна, в коммерческом применении возникают реальные проблемы:
Большие вычислительные затраты: Гомоморфное шифрование требует значительных вычислительных ресурсов, и его вычислительные затраты значительно выше, чем у незащищенных вычислений. Для операций с многочленами высокой степени время обработки возрастает полиномиально, что затрудняет удовлетворение требований к вычислениям в реальном времени. Снижение затрат зависит от специализированного аппаратного ускорения, но это также увеличивает сложность развертывания.
Ограниченные операционные возможности: хотя Гомоморфное шифрование (FHE) может выполнять сложение и умножение зашифрованных данных, поддержка сложных нелинейных операций ограничена, что является узким местом для приложений искусственного интеллекта, таких как глубокие нейронные сети. В настоящее время схемы FHE по-прежнему в основном применимы к линейным и простым полиномиальным вычислениям, применение нелинейных моделей значительно ограничено.
Сложность поддержки нескольких пользователей: Гомоморфное шифрование хорошо работает в сценариях с одним пользователем, но при работе с многопользовательскими наборами данных сложность системы резко возрастает. Предложенная в 2013 году структура многоключевого Гомоморфного шифрования, хотя и позволяет оперировать зашифрованными наборами данных с различными ключами, значительно увеличивает сложность управления ключами и архитектуры системы.
Сочетание Гомоморфного шифрования и искусственного интеллекта
В эпоху данных, основанных на данных, искусственный интеллект (AI) широко применяется в различных областях, но из-за опасений по поводу конфиденциальности данных пользователи часто не хотят делиться чувствительными данными. Гомоморфное шифрование (FHE) предлагает решения для защиты конфиденциальности в области ИИ. В сценариях облачных вычислений данные обычно шифруются во время передачи и хранения, но в процессе обработки они часто находятся в открытом виде. С помощью FHE пользовательские данные могут обрабатываться в зашифрованном состоянии, обеспечивая конфиденциальность данных.
Это преимущество особенно важно в условиях таких нормативных актов, как GDPR, поскольку они требуют от пользователей права знать, как обрабатываются данные, и обеспечивают защиту данных в процессе их передачи. Энд-то-энд шифрование с использованием Гомоморфного шифрования гарантирует соблюдение норм 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 конфиденциальный аудит транзакций в цепочке и т.д. В настоящее время несколько проектов используют технологии FHE для реализации защиты конфиденциальности.
Некоторые известные проекты включают:
Заключение
FHE как передовая технология, позволяющая выполнять вычисления на зашифрованных данных, обладает значительными преимуществами в защите конфиденциальности данных. Хотя в настоящее время коммерческое применение FHE по-прежнему сталкивается с проблемами высокой вычислительной нагрузки и плохой масштабируемости, с помощью аппаратного ускорения и оптимизации алгоритмов эти проблемы могут постепенно решаться. Кроме того, с развитием технологий блокчейн 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, что приведет к новым революционным прорывам в области безопасности данных.