Weiterleiten des Originaltitels 'Umfassender Leitfaden zur vollständig homomorphen Verschlüsselung (FHE)’

Zusammenfassung:

• Vollständig homomorphe Verschlüsselung (FHE) ist die nächste Generation der Datenschutztechnologie, die kurz vor dem Aufstieg steht und unsere Investition wert ist. FHE verfügt über ideale Datenschutzfähigkeiten, aber es gibt immer noch Leistungsunterschiede. Wir glauben, dass mit dem Eintritt von Kryptokapital die Entwicklung und Reife der Technologie stark beschleunigt wird, genau wie die schnelle Entwicklung von ZK in den letzten Jahren.
• Vollständig homomorphe Verschlüsselung kann in Web3 für den Schutz der Transaktionsprivatsphäre, den Schutz der KI-Privatsphäre und den Schutz von Privatsphäre-Koprozessoren verwendet werden. Dabei bevorzuge ich insbesondere den datenschutzgeschützten EVM, der flexibler ist und besser für den EVM geeignet ist als bestehende Ringsignatur-, Münzmischtechnologien und ZK.
• Wir haben mehrere herausragende FHE-Projekte untersucht, von denen die meisten ab diesem Jahr bis zum ersten Quartal des nächsten Jahres auf dem Mainnet live gehen werden. Unter diesen Projekten hat ZAMA die stärkste Technologie, hat aber noch keine Pläne zur Ausgabe eines Tokens angekündigt. Darüber hinaus halten wir Fhenix für das beste FHE-Projekt unter ihnen.

1. FHE ist eine ideale Datenschutztechnologie

1.1 Die Rolle von FHE

Die vollständig homomorphe Verschlüsselung (FHE) ist eine Form der Verschlüsselung, die es Menschen ermöglicht, eine beliebige Anzahl von Additionen und Multiplikationen mit Chiffretexten durchzuführen, um Ergebnisse zu erhalten, die immer noch verschlüsselt sind. Bei der Entschlüsselung ist das Ergebnis dasselbe, als ob die Operationen auf Klartext durchgeführt worden wären. Dies ermöglicht "berechenbare aber unsichtbare" Daten.

Vollständig homomorphe Verschlüsselung ist besonders geeignet für ausgelagertes Computing. Sie können Daten an externe Rechenleistung auslagern, ohne sich um Datenlecks sorgen zu müssen.

In einfachen Worten, zum Beispiel, betreiben Sie ein Unternehmen, und die Daten des Unternehmens sind sehr wertvoll. Sie möchten nützliche Cloud-Services verwenden, um diese Daten zu verarbeiten und zu berechnen, aber Sie machen sich Sorgen über Datenlecks in der Cloud. Dann können Sie:

1. Konvertieren Sie die Daten durch vollständig homomorphe Verschlüsselung in Chiffretext und laden Sie sie dann auf den Cloud-Server hoch. Zum Beispiel werden die Zahlen 5 und 10 im obigen Bild in Chiffretext verschlüsselt und als 'X' und 'YZ' dargestellt.
2. Wenn Sie Operationen mit Daten durchführen müssen, zum Beispiel, wenn Sie zwei Zahlen 5 und 10 addieren möchten, müssen Sie nur den Geheimtext "X" und "YZ" auf dem Cloud-Server die entsprechende Klartext + Operation gemäß dem Algorithmus durchführen lassen. Eine bestimmte Operation führt zu dem Geheimtextergebnis "PDQ".
3. Nachdem das Chiffrat-Ergebnis vom Cloud-Server heruntergeladen wurde, wird es entschlüsselt, um den Klartext zu erhalten. Sie werden feststellen, dass das Klartext-Ergebnis das Operationsergebnis von 5 + 10 ist.

Der Klartext erscheint nur für Sie, während alle auf dem Cloud-Server gespeicherten und berechneten Daten Chiffretexte sind. Auf diese Weise müssen Sie sich keine Sorgen um Datenlecks machen. Dieser datenschutzerhaltende Ansatz ist ideal.

• Semi-homomorphe Verschlüsselung: Semi-homomorphismus ist einfacher und praktischer. Semi-homomorphismus bedeutet, dass der Chiffretext nur eine homomorphe Eigenschaft aufweist, wie z.B. additive Homomorphismus/multiplikative Homomorphismus.
• Ungefähr homomorph: Ermöglicht uns, Addition und Multiplikation gleichzeitig auf dem Geheimtext zu berechnen, aber die Anzahl der unterstützten Operationen ist sehr begrenzt.
• Endliche Reihen vollständig homomorphe Verschlüsselung: Ermöglicht es uns, beliebige Kombinationen von Addition und Multiplikation im Geheimtext durchzuführen, ohne eine Begrenzung hinsichtlich der Anzahl. Es gibt jedoch eine neue obere Grenze der Komplexität, die die Komplexität der Funktion einschränkt.
• Vollständig homomorphe Verschlüsselung: Sie muss beliebig viele Additionen und Multiplikationen unterstützen, ohne Einschränkung hinsichtlich Komplexität und Häufigkeit.

Vollständig homomorphe Verschlüsselung ist hier am schwierigsten und idealsten und wird als der "Heilige Gral der Kryptographie" bezeichnet.

1.2 Geschichte

Vollständig homomorphe Verschlüsselung hat eine lange Geschichte

• 1978: Das Konzept der vollständig homomorphen Verschlüsselung wurde vorgeschlagen.
• Jahr 2009 (erste Generation): Das erste vollständig homomorphe Schema wurde vorgeschlagen.
• Jahr 2011 (Zweite Generation): Ein vollständig homomorphes Schema basierend auf Ganzzahlen wird vorgeschlagen. Es ist einfacher als die vorherige Lösung, aber die Effizienz ist nicht verbessert.
• Jahr 2013 (Dritte Generation): Es wurde eine neue Technologie GSW vorgeschlagen, um eine FHE-Lösung zu konstruieren, die effizienter und sicherer ist. Diese Technologie wurde weiter verbessert und FHEW und TFHE wurden entwickelt, um die Effizienz weiter zu verbessern.
• 2016 (Vierte Generation): Es wird ein ungefähr homomorphes Verschlüsselungsverfahren CKKS vorgeschlagen, das die effektivste Methode zur Auswertung von Polynomapproximationen ist und besonders für datenschutzorientierte maschinelle Lernanwendungen geeignet ist.

Die von gängigen homomorphen Verschlüsselungsbibliotheken unterstützten Algorithmen sind hauptsächlich Algorithmen der dritten und vierten Generation. Algorithmische Innovation, technische Optimierung, benutzerfreundlichere Blockchain und Hardwarebeschleunigung sind mit dem Einstieg von Kapital leicht zu erwarten.

1.3 Aktuelle Leistung und Verfügbarkeit

Häufig verwendete homomorphe Verschlüsselungsbibliotheken:

ZAMA TFHE Leistung:

Beispielweise dauert die 256-Bit-Addition und -Subtraktion von ZAMA TFHE etwa 200ms und die Klartextberechnung dauert etwa Zehn- bis Hundert-Nanosekunden. Die Berechnungsgeschwindigkeit von FHE ist etwa 10^6-mal langsamer als die Klartextberechnung. Teilweise optimierte Operationen sind ungefähr 1000-mal langsamer als Klartext. Es ist natürlich von Natur aus unfair, eine Chiffrenberechnung mit einer Klartextberechnung zu vergleichen. Für Datenschutz gibt es einen Preis zu zahlen, ganz zu schweigen von der idealen Datenschutztechnologie der vollständig homomorphen Verschlüsselung.

ZAMA zielt darauf ab, die Leistung durch die Entwicklung von FHE-Hardware zu verbessern.

1.4 Technische Forschungsrichtungen für FHE in Web3

Web3 ist von Natur aus dezentralisiert, und die Integration der vollständig homomorphen Verschlüsselung (FHE) mit Web3 eröffnet mehrere vielversprechende Forschungsrichtungen:

• Entwicklung innovativer FHE-Schemata, Compiler und Bibliotheken, um FHE benutzerfreundlicher, schneller und besser für Blockchain-Anwendungen geeignet zu machen.
• Entwicklung von FHE-Hardware zur Steigerung der Rechenleistung.
• Die Kombination von vollständig homomorpher Verschlüsselung (FHE) mit Zero-Knowledge Proofs (ZKP) gewährleistet private Berechnungen und gleichzeitig den Nachweis, dass die Eingaben und Ausgaben bestimmten Bedingungen entsprechen oder dass FHE-Operationen korrekt ausgeführt werden.
• Schutz von Berechnungsknoten vor bösartigem Verhalten, möglicherweise unter Verwendung von Lösungen wie dem EigenLayer-Neustaking.
• Implementierung von MPC (Multi-Party Computation) Entschlüsselungsschemata, bei denen gemeinsame Zustände verschlüsselt sind und Schlüssel MPC-Sharding verwenden, wodurch ein sicheres und leistungsstarkes Threshold-Entschlüsselungsprotokoll erforderlich ist.
• Verbesserung der Datenverfügbarkeitsschicht (DA) für höhere Durchsatzraten, da die aktuelle Celestia-Konfiguration nicht den erforderlichen Anforderungen entspricht.

Zusammenfassend betrachten wir die vollständig homomorphe Verschlüsselung (FHE) als die nächste Generation der Datenschutztechnologie im Aufschwung. Obwohl sie ausgezeichnete Datenschutzfunktionen bietet, gibt es immer noch Leistungsherausforderungen zu bewältigen. Mit dem Zustrom von Kryptokapital erwarten wir schnelle Fortschritte und Reife in dieser Technologie, ähnlich wie bei den Fortschritten, die in den letzten Jahren bei Zero-Knowledge Proofs (ZK) zu beobachten waren. Der FHE-Sektor ist sicherlich eine Investition wert.

2. FHE wird in verschiedenen Datenschutzszenarien in Web3 verwendet, von denen ich am optimistischsten über die Datenschutz-EVM bin.

FHE gehört zum Datenschutz-Track. Einfach ausgedrückt, umfasst es „Transaktionsschutz der Privatsphäre“+„KI-Datenschutz“+ „Datenschutzerhaltender Coprozessor“.

• Der Schutz der Transaktionsprivatsphäre umfasst auch die Privatsphäre von Defi, Abstimmungen, Geboten, Anti-MEV usw.
• Der Schutz der KI-Privatsphäre umfasst auch dezentrale Identität sowie den Schutz der Privatsphäre anderer KI-Modelle und Daten.
• Der Datenschutz-Koprozessor führt vollständig homomorphe Chiffrenoperationen außerhalb der Kette durch und gibt letztendlich die Ergebnisse an die Kette zurück. Es kann für Trustless-Spiele usw. verwendet werden.

Natürlich gibt es viele Technologien zum Schutz der Privatsphäre, und Sie werden die Besonderheiten der vollständig homomorphen Verschlüsselung kennen, indem Sie sie mit anderen vergleichen.

• TEE ist sehr schnell. Daten werden in vertrauenswürdiger Hardware im Klartext gespeichert und berechnet, daher ist es sehr schnell. Es verlässt sich jedoch auf sichere Hardware. Es vertraut tatsächlich dem Hersteller der Hardware mehr als dem Algorithmus. Dieses Vertrauensmodell ist zentralisiert. Und einige Berechnungsüberprüfungen von TEE erfordern eine Verbindung zum TEE-Hersteller für eine Remote-Überprüfung. Dies ist nicht geeignet für die Integration in die Blockchain für eine On-Chain-Überprüfung. Da wir eine On-Chain-Überprüfung benötigen, können nur die historischen Datenknoten der Blockchain unabhängig voneinander abgeschlossen werden und sollten sich nicht auf externe zentralisierte Institutionen verlassen.
• MPC sichere Mehrparteienberechnung ist auch eine Datenschutz-Mehrparteienberechnungstechnologie. Allerdings erfordert diese Technologie oft, dass mehrere Parteien gleichzeitig online sind und häufig interagieren, und ist in der Regel nicht für asynchrone Szenarien wie Blockchain geeignet. MPC wird hauptsächlich für dezentrales Schlüsselmanagement verwendet. Im MPC Wallet wird der private Schlüssel nirgendwo in vollständiger Form gespeichert. Stattdessen wird der private Schlüssel in mehrere Scherben (oder Teile) zerlegt, die auf verschiedenen Geräten oder Knoten gespeichert sind. Nur wenn eine Transaktion signiert werden muss, werden mehrere Scherben gemeinsam an der Berechnung über das Mehrparteienberechnungsprotokoll teilnehmen, um eine Signatur zu generieren.
• ZK Zero-Knowledge-Beweise werden hauptsächlich für Berechnungsnachweise verwendet, um zu beweisen, dass ein bestimmter Berechnungsprozess korrekt ausgeführt wird, und werden selten für den Datenschutz verwendet. ZK und homomorphe Technologie sind ebenfalls untrennbar miteinander verbunden, und homomorphe Technologie wird auch im Datenschutzteil verwendet.
• FHE vollständig homomorphe Verschlüsselung erfordert keinen Datenaustausch während des Kryptotext-Betriebsprozesses und kann vollständig auf dem Server/Node berechnet werden. Daher erfordert MPC nicht, dass der Initiator/mehrere Parteien online sind, und ist für Blockchain besser geeignet. Im Vergleich zu TEE ist es vertrauenswürdig. Der einzige Nachteil ist, dass die Leistung nicht hoch ist.

Daher sind die Datenschutzfunktionen von FHE, solange sich die Leistung allmählich verbessert, eher für Web3 geeignet.

Gleichzeitig ist die vollständig homomorphe Verschlüsselung auch in Bezug auf den Schutz der Transaktionsdaten besser für EVM geeignet, da:

• Ring-Signatur und Währungsmischtechnologien können keine Verträge unterstützen.
• Für ZK-Privatsphärenschutzprojekte wie Aleo ist die private Daten ähnlich dem UTXO-Modell, nicht dem EVM-Kontomodell.
• Vollständig homomorphe Verschlüsselung kann sowohl Verträge als auch Kontomodelle unterstützen und kann leicht in die EVM integriert werden.

Im Gegensatz dazu ist eine vollständig homomorphe EVM tatsächlich attraktiv.

AI-Berechnungen sind von Natur aus rechenaufwendig, und die Hinzufügung eines so komplexen Verschlüsselungsmodus wie der vollständig homomorphen Verschlüsselung kann in dieser Phase zu geringer Leistung und hohen Kosten führen. Ich denke, dass der Datenschutz von KI letztendlich eine hybride Lösung aus TEE/MPC/ZK/semi-homomorpher Verschlüsselung sein wird.

Zusammenfassend kann vollständig homomorphe Verschlüsselung für die Web3Transaction-Privatsphärenschutz, den KI-Privatsphärenschutz und den Privatsphärenschutz-Koprozessor verwendet werden. Dabei bin ich besonders optimistisch bezüglich des Privacy Protection EVM. Es ist flexibler und besser für EVM geeignet als die vorhandene Ring-Signatur-, Währungsmischtechnologie und ZK.

3. Die meisten FHE-Projekte werden zwischen diesem Jahr und dem ersten Quartal des nächsten Jahres auf dem Mainnet starten; Wir glauben, dass Fhenix neben ZAMA das beste FHE-Projekt ist

Wir haben mehrere führende Projekte zur vollständig homomorphen Verschlüsselung (FHE) evaluiert, die derzeit verfügbar sind. Hier ist ein kurzer Überblick:

3.1 ZAMA (Tools)

Überblick: ZAMA bietet vollständig homomorphe Verschlüsselungslösungen für Blockchain und KI.

• Werkzeuge: TFHE-rs, eine Rust-Implementierung von TFHE.
• Tools: Concrete, ein Compiler für TFHE.
• Produkte: Concrete ML, eine datenschutzorientierte Machine-Learning-Plattform.
• Produkte: fhEVM, datenschutzfreundliche Smart Contracts.
• Team:
  • CTO & Co-Founder: Pascal Paillier, ein renommierter Kryptograf. Er hat 1999 seinen Doktortitel von Telecom ParisTech erhalten und im selben Jahr das Paillier-Kryptosystem erfunden. Seit 2013 veröffentlicht er Artikel zur homomorphen Verschlüsselung und gilt als führender Experte auf diesem Gebiet.
  • CEO & Co-Founder: Rand Hindi, der 2011 seinen Doktortitel in Bioinformatik an der UCL abgeschlossen hat. Er hat an zahlreichen Datenprojekten gearbeitet und neben seiner Arbeit bei ZAMA mehrere Projekte beraten.
• Finanzierung: In den letzten vier Jahren hat ZAMA über 82 Millionen US-Dollar eingesammelt. Ihre jüngste Serie A-Runde sicherte 73 Millionen US-Dollar, angeführt von Multicoin Capital und Protocol Labs.
  • Am 26. September 2023 sammelten sie 7 Millionen US-Dollar in einer Seed-Runde unter der Leitung von Multicoin Capital, mit Beteiligung von Node Capital, Bankless Ventures, Robot Ventures, Tane Labs, HackVC und Metaplanet.

3.2 Fhenix (EVM + KI)

• Erzählung: FHE Coprozessor/L2 FHE Rollup (EVM-kompatibler Datenschutz L2)
  • Produkt: Rollup unterstützt FHE und ist ein EVM-kompatibler vertraulicher Smart Contract. Entwickler verwenden Solidity zur Entwicklung von Dapps und gewährleisten dabei die Datenschutz.
  • Produkt: FHE-Coprozessor, der verschlüsselte Berechnungsaufgaben von der Hostkette (ob es sich um Ethereum, L2 oder L3 handelt) auf die Off-Chain auslagert. Sie erhöhen die Effizienz von FHE-basierten Operationen erheblich.
  • Kooperation: Zusammenarbeit mit Zama, Verwendung von ZAMA's fhEVM, und die ZAMA-Bibliothek auf github ist geforked
  • Kooperation: Zusammenarbeit mit EigenLayer, die Knoten von Rollup müssen in EigenLayer neu generiert werden
• Team: Guy Itzhaki hat mehr als 7 Jahre Berufserfahrung bei Intel und ist Direktor für Homomorphe Verschlüsselung und Blockchain-Geschäftsentwicklung bei Intel.
  • Gründer: Guy Zyskind, Doktorand am MIT, MSC am MIT im Jahr 2016. Beteiligt an der Forschung und Entwicklung des MIT Enigma-Privatprotokolls und verfügt über starke Forschungs- und Entwicklungsfähigkeiten.
  • CEO: Guy Itzhaki hat 7 Jahre Berufserfahrung bei Intel und verfügt über sehr starke Erfahrungen im Bereich des Datenschutzes. Er war als Director für Homomorphe Verschlüsselung und Blockchain-Entwicklung bei Intel tätig.
  • Prof. Chris, Peikert, Kryptozoologen für vollständig homomorphe Verschlüsselung. Algorands Kryptographie-Leiter.
• Finanzierung: 1 Jahr, die neueste Serie A Runde hat 15 Millionen aufgebracht, angeführt von Hack VC, gefolgt von Foresight Ventures und anderen Institutionen.
  • Im Mai 2024 sammelte Serie A 15 Millionen US-Dollar ein, angeführt von Hack VC, gefolgt von Foresight Ventures und anderen Institutionen.
  • Am 26. September 2023 sammelte Seed Round 7 Millionen US-Dollar ein, angeführt von Multicoin Capital, mit Beteiligung von Node Capital, Bankless Ventures, Robot Ventures, Tane Labs, HackVC und Metaplanet.
• Roadmap: Das Testnetzwerk wird im zweiten Quartal 2024 veröffentlicht und im ersten Quartal 2025 gestartet.
  • Im zweiten Quartal 2024 wird das Threshold-Netzwerk veröffentlicht werden.
  • 2024年Q3，FHE Co-processor V0.
  • Q1 2025, mainnet
  • 2025 Q3, FHE Co-Prozessor V1.

3.3 Inco (EVM)

• Erzählung: Modulare Datenschutz-Rechenschicht/Unterstützung der EVM-Kette
  • Produkt: Rollup unterstützt FHE und ist ein EVM-kompatibler vertraulicher Smart Contract. Entwickler verwenden Solidity, um Dapps zu entwickeln und gleichzeitig die Datenschutz zu gewährleisten.
  • Kooperation: Zusammenarbeit mit Zama und Verwendung des fhEVM von ZAMA
• Team: Gründer Remi Ga, der in den Anfangstagen kurzzeitig als Software-Ingenieur bei Microsoft und Google gearbeitet hat und am DeFi-Projekt von Parallel Finance gearbeitet hat
  • Gründer: Remi Gai, vor 22 Jahren hatte er jeweils 6 bis 9 Monate Erfahrung als Softwareingenieur bei Microsoft und Google und arbeitete später an Parallel Finance und DeFi-Projekten.
  • Tech-Lead: Amaury A, Kernentwickler von Cosmos
• Finanzierung: Die letzte Runde der Seed-Finanzierung betrug 4,5 Millionen Yuan und wurde von 1kx angeführt
  • Im Februar 2024 schloss Inco Network eine Seed-Finanzierungsrunde in Höhe von 4,5 Millionen US-Dollar ab, angeführt von 1kx, mit Beteiligung von Circle Ventures, Robot Ventures, Portal VC, Alliance DAO, Big Brain Holdings, Symbolic, GSR, Polygon Ventures, Daedalus, Matter Labs und Fenbushi.
• Fortschritt: Testnetz wurde im März 2024 gestartet, Mainnetz wurde im Q4 2024 gestartet
  • Im März 2024 wird das Testnetzwerk gestartet, einschließlich fhEVM. Es enthält derzeit mehrere Beispiele für datenschutzsichere ERC-20, Datenschutzabstimmung, Blindfotografie und Datenschutz-DID.
  • Im Q2~Q3 2024 wird das Testnetzwerk gestartet, einschließlich fhEVM
  • Q4 2024, auf dem Hauptnetz
  • Im Jahr 2025 planen wir, die FPGA-Hardwarebeschleunigung zu implementieren, in der Hoffnung, dass die TPS 100~1000 erreichen wird.

3.4 Mind Network (AI&DePIN)

• Erzählung: Datenschutz von Daten und privatem Computing. KI und DePIN-Daten und -Modelle.
  • Produkt: Die 23-jährige Geschichte ist der Privacy Data Lake, eine datenschutzerhaltende Datenlagerung und Berechnung. In diesem Jahr wurde der Datenschutz für KI- und DePIN-Daten und -Modelle angepasst.
  • Kooperation: Zusammenarbeit mit ZAMA und Nutzung von ZAMAs vollständiger homomorpher Bibliothek
  • Zusammenarbeit: Zusammenarbeit mit Fhenix und Inco, Verwendung von fhEVM für Rollup
  • Zusammenarbeit: Zusammenarbeit mit Arweave zur Speicherung verschlüsselter Daten
  • Zusammenarbeit: Zusammenarbeit mit EigenLayer, Babylon usw. zur Unterstützung des Node-Restaking. Referenz: https://mindnetwork.medium.com/fhe-secured-restaking-layer-scaling-security-for-ai-depin-networks-73d5c6e5dda3
• Team: CTO George war Forscher an der Universität Cambridge.
  • Mitbegründer & CTO: George war Forscher an der Universität Cambridge, technischer Direktor einer multinationalen Bank und verfügt über langjährige Erfahrung in der Internet-Finanztechnologie.
• Finanzierung: 2 Jahre, Seed raised 2,5 Millionen, inkubiert von Binance Labs
  • Am 20. Juni 2023 sammelte Seed Round 2,5 Millionen US-Dollar ein, angeführt von Binance Labs, mit Beteiligung von HashKey, SevenX, usw.
• RoadMap: Es wurde auf dem Testnetzwerk getestet und verfügt derzeit über eine Restake-Funktion. Der Rest der Roadmap wurde noch nicht angekündigt.

3.5 Privasea (AI&DePIN)

• Erzählung: KI und DePIN Privacy Computing.
  • Produkt: Verwenden Sie FHE, um ML-Modelle zu trainieren. Optimiert die Booleschen Gatter von TFHE.
  • Produkt: FaceID, eine datenschutzgeschützte Version der Gesichtserkennung. Wird zur Hexenprävention und KYC verwendet
  • Zusammenarbeit: Integration von BNB Greenfield zur Speicherung verschlüsselter Daten
• Team: CTO Zhuan Cheng, promovierte in Mathematik an der University of Chicago, verfügt über reiche Erfahrung in der Forschung und Entwicklung von Kryptografietechnologie.
  • CEO: David Jiao, das KI-Projekt hat 20 Millionen Yuan und das Blockchain-Projekt 4 Millionen Yuan eingebracht.
  • CTO Zhuan Cheng, PhD in Mathematik an der University of Chicago, verfügt über umfangreiche Erfahrung in der Kryptografie-Forschung und -Entwicklung. Er hat zuvor an NuLinks ZK-Privatsphärenschutzprojekt gearbeitet.
• Finanzierung: 1 Jahr, Seed raised 5 Millionen, inkubiert von Binance Labs
  • Im März 2024 sammelte Seed Round 5 Millionen US-Dollar ein und wurde von Binance Labs inkubiert, mit Beteiligung von MH Ventures, K300, Gate Labs, 1NVST, etc.
• RoadMap: Testnet V2 wurde im April 2024 veröffentlicht, Q3 Mainnet im Jahr 2024
  • Januar 2024, Testnet V1.
  • April 2024, Testnet V2.
  • 2024年Q3，TGE.

3.6 Optalysys (Tools)

Erzählung: Homomorphe Verschlüsselung Hardware.

Aus den oben genannten Informationen geht hervor, dass ZAMA diesen Projekten die Kern-Open-Source-Bibliothek für vollständig homomorphe Verschlüsselung zur Verfügung stellt und derzeit ein unbestrittener Technologie-Pionier und stärkster Akteur ist. ZAMA hat jedoch noch keine Pläne zur Ausgabe von Coins angekündigt, weshalb wir uns auf Fhinex konzentriert haben.

Fhinex wird die Privatsphäre schützende EVM und die Privatsphäre schützenden Smart Contracts implementieren. Sie planen, eine Fhenix L2 zu bauen, eine vollständig homomorphe Privacy EVM. Bereitstellung von Transaktionen zum Schutz der Privatsphäre und DeFi usw. Dieser L2 ist auch mit einem Schwellennetzwerk ausgestattet, um einige Ver- und Entschlüsselungsvorgänge durchzuführen. Darüber hinaus wird Fhenix auch einen FHE-Coprozessor bauen, ein vollständig homomorphes Computernetzwerk, das andere EVM-Ketten als Fhenix bedienen und vollständig homomorphes Computing bereitstellen kann. Dienen.

Das Fhinex-Team verfügt über eine starke technische Stärke. Das Team umfasst nicht nur Experten, die für die Privatsphäre-Computing bei Intel verantwortlich sind, sondern auch PHD, die an der Entwicklung des Enigma-Privatsphäreprotokolls am MIT beteiligt waren, und den Algorand-Kryptographie-Leiter.

Kurz gesagt sind wir der Meinung, dass vollständig homomorphe Verschlüsselungsprojekte wie ZAMA und Fhinex ideale Datenschutzwerkzeuge für die Blockchain bieten können.

Verzichtserklärung:

1. Dieser Artikel wurde aus [Vorausschauende Forschung]. Weiterleiten des Originaltitels 'Foresight Ventures: Tiefgehende Analyse des FHE (vollständig homomorphen Verschlüsselungs) Pfades'.Alle Urheberrechte gehören dem Originalautor [Maggie]. Wenn es Einwände gegen diesen Nachdruck gibt, wenden Sie sich bitte an die Gate Lernen Team, und sie werden sich umgehend darum kümmern.
2. Haftungsausschluss: Die Ansichten und Meinungen, die in diesem Artikel geäußert werden, sind ausschließlich die des Autors und stellen keine Anlageberatung dar.
3. Übersetzungen des Artikels in andere Sprachen werden vom Gate Learn-Team durchgeführt. Sofern nicht erwähnt, ist das Kopieren, Verteilen oder Plagiatieren der übersetzten Artikel untersagt.