Einführung

Nach dem Zero-Knowledge-Boom (ZK) im Jahr 2022 haben Datenschutztechnologieanwendungen erhebliche Fortschritte gemacht, wobei das ZK-Ökosystem Durchbrüche in Bereichen wie EVM, DeFi und DID erzielt hat. Mit dem Aufkommen eines neuen kryptografischen Zyklus stellt sich die Frage: Wird FKE die nächste große Datenschutztechnologie werden? Im vergangenen Jahr hat die vollständig homomorphe Verschlüsselung (Fully Homomorphic Encryption, FHE) das Interesse von Top-Risikokapitalgebern auf sich gezogen, wobei Zama ein primäres Beispiel ist. Dieser Artikel untersucht das Wachstum von FHE, vergleicht es mit anderen Datenschutztechnologien und bietet eine detaillierte Analyse des Ansatzes von Zama.

Was ist FHE?

Vollständig homomorphe Verschlüsselung (FHE) ist eine Datenschutztechnologie, die mathematische homomorphe Eigenschaften nutzt, um verschiedene Berechnungen an verschlüsselten Daten durchzuführen und sicherzustellen, dass die Informationen nicht preisgegeben werden. Im Web2-Bereich wird FHE derzeit für die Verschlüsselung von medizinischen Informationen, die Privatsphäre von Finanzdaten und die Verschlüsselung von Cloud-Daten verwendet. Dieser Verschlüsselungsalgorithmus wurde erstmals 1978 vorgeschlagen und erlangte im 21. Jahrhundert erneut Aufmerksamkeit, da mehrere technologische Fortschritte die Rauschbehandlung und die Gleitkommaverarbeitung optimiert haben, was die Leistung des Algorithmus verbessert und die FHE-Technologie in den kommerziellen Sektor treibt.

Der Fully Homomorphic Encryption Algorithmus hat drei Hauptmerkmale: volle Homomorphismus, Datenvertraulichkeit und Rechenflexibilität.

• Vollständige Homomorphismus: Im Vergleich zur teilweise homomorphen Verschlüsselung ermöglicht die vollständig homomorphe Verschlüsselung die Durchführung beliebiger mathematischer Operationen mit verschlüsselten Daten, einschließlich Addition, Multiplikation und sogar komplexerer zusammengesetzter Operationen, während teilweise homomorphe Verschlüsselungsschemata nur bestimmte Operationen unterstützen.
• Datenschutz: Die vollständig homomorphe Verschlüsselung ermöglicht mehrere Additionen und Multiplikationen von verschlüsselten Daten, wobei das Ergebnis immer noch verschlüsselt ist.
• Rechnerische Flexibilität: Vollständig homomorphe Verschlüsselung unterstützt eine Reihe von rechnerischen Operationen, einschließlich Addition, Multiplikation und boolesche Operationen. Diese Technologie hat Vorteile hinsichtlich der Privatsphäre, aber es besteht Verbesserungsbedarf für Anwendungen, die hohe Effizienz bei der groß angelegten Datenverarbeitung und Berechnung erfordern.

Warum ist FHE die nächste ZK-Level-Spur?

Die Verschlüsselungsalgorithmen für Datenschutz haben sich von früher symmetrischer und asymmetrischer Verschlüsselung zu komplexeren, sicheren Methoden wie Multi-Party Computation (MPC), Zero-Knowledge Proofs (ZK) und Fully Homomorphic Encryption (FHE) entwickelt. Diese Entwicklung folgt den Fortschritten in der Technologie und den Veränderungen in den Anwendungsszenarien. Mit dem zunehmenden Bedarf an Datenschutzverschlüsselung in industriellen Bereichen und immer vielfältigeren Szenarien steigt das Interesse an FHE im Bereich der Blockchain signifikant.

In Bezug auf Privatsphärenberechnungen werden MPC und ZK bereits weit verbreitet im Kryptowährungssektor eingesetzt. Warum richtet sich die Aufmerksamkeit nun auf FHE? Im Vergleich zu MPC bietet FHE einen stärkeren Datenschutz, eine größere rechnerische Flexibilität und erfordert keine Multi-Party-Verifizierung. Im Gegensatz zu ZK, das sich darauf spezialisiert, die Wahrheit einer Bedingung zu beweisen, ermöglicht FHE Berechnungen auf verschlüsselten Daten und kann sogar Maschinenlernmodelle trainieren und Schlussfolgerungen daraus ziehen. Jeder Haupt-Privatsphäre-Algorithmus hat Stärken und Schwächen und zeigt seine Vorteile in verschiedenen Anwendungsszenarien, wodurch Privatsphäre-Berechnungen in der Praxis Fuß fassen.

Eine Einführung in Zama

Zama ist ein im Jahr 2020 gegründetes Unternehmen, das sich auf Datenschutz konzentriert. Das Team besteht hauptsächlich aus über 30 PhDs und Kryptographie-Experten aus Europa. Im März dieses Jahres sicherte Zama eine Investition in Höhe von 73 Millionen US-Dollar, angeführt von Multicoin Capital und Protocol Labs, und beteiligt waren andere wichtige Investoren wie Metaplanet, Blockchange, VSquared, Stake Capital und Portal Ventures. Die Runde zog auch Gründer von wichtigen Blockchain-Projekten an, darunter Juan Benet (Filecoin), Gavin Wood (Polkadot), Anatoly Yakovenko (Solana), Julien Bouteloup (StakeDAO) und Tarun Chitra (Gauntlet).

Das Führungsteam von Zama besteht aus erfahrenen Branchenexperten. Mitbegründer und CEO Rand Hindi begann bereits im Alter von nur 10 Jahren mit dem Programmieren und kann auf eine beeindruckende unternehmerische Erfolgsbilanz zurückblicken. Seine fortgeschrittene Ausbildung umfasst Informatik, künstliche Intelligenz und Bioinformatik. Mitbegründer und CTO Pascal Paillier ist ein Experte für Kryptographie mit einem Doktortitel in Kryptographie von Télécom Paris und bringt umfangreiches Wissen in das Team ein.

Zama's Produktökosystem: Umfassende Tools und Frameworks

Die vier Kernprodukte von Zama:

• Concrete - Ein Open-Source FHE-Framework
• Concrete ML — Ein Open-Source-Tool für maschinelles Lernen mit verschlüsselten Daten
• fhEVM - Eine vollständig homomorphe Verschlüsselungs-Virtual Machine auf Ethereum
• TFHE-rs — Das erste Open-Source-Tool für FHE

Beton: FHE-gewidmetes Open-Source-Framework

Concrete ist ein spezialisiertes Framework für vollständig homomorphe Verschlüsselung (FHE), das es Entwicklern ermöglicht, Berechnungen an verschlüsselten Daten durchzuführen, während die Privatsphäre erhalten bleibt. Es ist wie ein intelligentes Schloss: Das Framework ermöglicht es, Daten zu verarbeiten, ohne dass sie "entsperrt" oder entschlüsselt werden müssen. Concrete vereinfacht das Codieren für FHE, sodass auch Entwickler mit begrenzten Verschlüsselungskenntnissen es nutzen können, um effiziente verschlüsselte Anwendungen zu erstellen. Concrete enthält auch Simulations- und Analysetools zur Optimierung der Leistung und fungiert wie ein fein abgestimmter Motor, der dabei hilft, den Ressourcenverbrauch zu minimieren und gleichzeitig eine hohe Leistung aufrechtzuerhalten.

Der Kernwert von Concrete besteht darin, FHE zugänglicher zu machen. Mit Concrete können Entwickler mathematische Operationen an verschlüsselten Daten sicher durchführen, ohne vertrauliche Informationen preiszugeben – ideal für Bereiche wie Finanzen und Gesundheitswesen, die hohe Datenschutzanforderungen haben.

Concrete ML: Benutzerfreundliches maschinelles Lernen für verschlüsselte Daten

Concrete ML legt Wert auf Benutzerfreundlichkeit und bietet APIs an, die denen gängiger Frameworks ähneln, damit Entwickler Inferenz- oder Schulungsaufgaben auf verschlüsselten Daten durchführen können, wie sie es mit vertrauten Tools tun würden. Die Benutzeroberfläche ähnelt stark der von scikit-learn, und es unterstützt sogar die Umwandlung von PyTorch-Modellen in FHE-kompatible Modelle. Dies eröffnet Anwendungen für maschinelles Lernen in datenschutzempfindlichen Bereichen wie Datenfreigabe und regulatorischer Compliance.

Concrete ML bietet Bequemlichkeit sowohl für vorgefertigte als auch für maßgeschneiderte Modelle:

Eingebaute Modelle: Bietet FHE-kompatible Modelle, die ähnlich wie scikit-learn und XGBoost sind, für eine einfache Übernahme.

Custom-Modelle: Unterstützt Modelle für quantisierungsbewusstes Training, die Benutzer mit PyTorch oder Keras/TensorFlow entwickeln und dann über ONNX in Concrete ML importieren können.

fhEVM: Datenschutzgerechte Smart Contracts auf Ethereum

fhEVM bringt durch FHE wirklich private Smart Contracts auf die Ethereum-Blockchain. Mit Zamas fhEVM können verschlüsselte Smart Contracts im bestehenden dApp-Ökosystem betrieben werden und gewährleisten zwei Hauptmerkmale: Vollständige Verschlüsselung von Transaktionen und Zustand: Alle Transaktionsdaten bleiben von Ende zu Ende verschlüsselt, um unbefugten Zugriff zu verhindern. On-Chain-Komposabilität und Datenschutz: Der verschlüsselte Zustand des Vertrags wird bei jedem Update beibehalten und garantiert die Privatsphäre.

fhEVM stellt die TFHE Solidity-Bibliothek vor, die nahtlose Entwicklung mit vorhandenen Solidity-Tools ermöglicht. Standardoperatoren arbeiten in verschlüsselten Zuständen, sodass Verträge bedingte Prüfungen in verschlüsseltem Zustand durchführen können, was den Prozess für Ethereum-Entwickler vertraut und benutzerfreundlich macht. Zur Verwaltung von Verschlüsselung und Entschlüsselung verwenden Entwickler einfach den Datentyp euint, um private Abschnitte von Verträgen zu kennzeichnen. fhEVM unterstützt auch flexible Entschlüsselungsoptionen, einschließlich Schwellen-, zentralisierter und KMS-basierter Entschlüsselung.

TFHE-rs: Verbesserte Leistung durch Parallelisierung

TFHE-rs, eine in Rust geschriebene Bibliothek, führt Boolean- und Ganzzahloperationen mit verschlüsselten Daten unter Verwendung der TFHE-Technologie durch. Bekannt für ihre Vielseitigkeit, bietet TFHE-rs mehrere Schnittstellen - Rust API, C API und eine WASM-API für Client-Anwendungen. Ihr modulares Design, ähnlich flexiblen Lego-Blöcken, ermöglicht es Entwicklern, verschiedene Funktionen zu kombinieren, um verschlüsselte Rechensysteme zu erstellen, die ihren spezifischen Anforderungen entsprechen, was sie für eine Vielzahl von Anwendungen von einfachen bis komplexen Systemen geeignet macht.

TFHE-rs verwendet bitweise Verschlüsselungsoperationen für eine verbesserte Leistung und ermöglicht eine feinere Datenverarbeitung. Im Gegensatz zu Systemen, die ganze Datenblöcke verschlüsseln, ist dieser Ansatz effizienter für die Durchführung homomorpher Berechnungen, insbesondere für Logikgatter-Operationen (UND, ODER, XOR).

TFHE-rs führt auch fortschrittliche Leistungsverbesserungen durch mehrfädige Verarbeitung und Bootstrapping-Parallelisierung ein. Durch die Aufteilung des Bootstrappings in Stufen, die auf mehreren Kernen gleichzeitig verarbeitet werden können, reduziert TFHE-rs die Verarbeitungszeit dramatisch und macht die homomorphe Verschlüsselung viel schneller und effizienter.

Zama’s Five Key Use Cases

Mit fhEVM als Grundlage hat Zama fünf vielversprechende datenschutzorientierte Anwendungsfälle für die Blockchain definiert: sichere Vertragsabschlüsse, dezentralisierte private Dark Pools, DAO-Governance, On-Chain-Blindauktionen und On-Chain-Gaming.

On-Chain Transaktionen

Im DeFi-Ökosystem ist der Schutz von Datenprivacy und -sicherheit entscheidend. Finanzverträge beinhalten oft sensible Details wie Transaktionsbeträge, Zinssätze und Rückzahlungspläne. Die vollständige Offenlegung dieser Details on-chain könnte zu Datenschutzproblemen führen. Das fhEVM von Zama ermöglicht es Smart Contracts, in einem verschlüsselten Zustand ausgeführt zu werden, wodurch die gesamte Vertragslogik sicher ausgeführt werden kann, ohne sensible Daten preiszugeben. Finanzinstitute oder andere Knoten können die Vertragsdetails nicht direkt einsehen, aber die Vertragsausführung ist dennoch überprüfbar. Zum Beispiel kann ein Kreditvertrag Parameter wie Kreditbetrag, Rückzahlungsfrist und Zinssatz in verschlüsselter Form enthalten, während alle Berechnungen ohne Offenlegung von Daten durchgeführt werden. Auf diese Weise können andere Knoten die Vertragsausführung überprüfen, ohne auf spezifische Transaktionsdetails zuzugreifen, was es für Optionen, Swap-Abrechnungen und On-Chain-Kredite geeignet macht.

Dezentralisierte private Dark Pools

Ein Dark Pool ist eine private Handelsplattform, die es ermöglicht, große Transaktionen ohne öffentliche Offenlegung von Auftragsdetails durchzuführen und so Marktstörungen zu vermeiden. Die Privatsphäre in Dark Pools erstreckt sich auf Benutzeridentitäten, Auftragsinhalte und Transaktionsdetails. Traditionelle Dark Pools verwenden zentralisierte Plattformen oder vertrauenswürdige Dritte zur Auftragsabwicklung, was ein Datenschutzrisiko darstellt.

Zamas TFHE-rs unterstützt verschlüsselte Datenvorgänge, die es ermöglichen, verschlüsselte Kauf- und Verkaufsaufträge privat abzugleichen, ohne Details wie Preis oder Menge zu entschlüsseln. Handelsplattformen können Benutzerabsichten sicher bearbeiten, während die Auftragsprivatsphäre gewahrt bleibt. Diese verschlüsselten Aufträge können überprüft werden, um sicherzustellen, dass sie den Handelsbedingungen entsprechen, und dabei die Datensicherheit gewährleisten.

DAO Governance

DAO-Governance birgt Datenschutzprobleme, einschließlich der Anonymität der Wähler und der Vertraulichkeit von Schatzdetails. Abstimmungsmechanismen offenbaren oft individuelle Wahlpräferenzen und führen zu möglicher Manipulation oder unzulässigem Einfluss. Personen, die mehr Governance-Token besitzen, haben in der Regel mehr Einfluss bei Abstimmungen und könnten eine autoritäre Voreingenommenheit schaffen, die Ergebnisse beeinflusst. DAO-Governance-Verträge enthalten auch sensible Informationen über finanzielle Ausgaben und Projektzuweisungen, die vertraulich bleiben sollten, um Projektfinanzierungsbeträge oder Empfängeridentitäten zu schützen.

Zamas Ansatz ermöglicht verschlüsselte Verarbeitung der Stimme jedes Mitglieds. Wahlverträge können Stimmen zählen und Ergebnisse berechnen, ohne einzelne Stimmen zu entschlüsseln. Endgültige Abstimmungsergebnisse sind öffentlich, aber der Abstimmungsprozess bleibt privat. Durch die Verwendung von homomorpher Verschlüsselung kann jede Stimme auf Berechtigung überprüft werden, ohne die Wahlentscheidung preiszugeben.

On-Chain Blind Auctions

On-Chain-Blindsauktionen ermöglichen es den Teilnehmern, Gebote privat einzureichen, ohne sie bis zum Ende der Auktion offenzulegen. Die meisten Entwickler verwenden Zero-Knowledge-Beweise und einen zweistufigen Prozess, um die Vertraulichkeit der Gebote sicherzustellen, was häufig die Speicherung von Daten außerhalb der Kette erfordert und zusätzliche Verschlüsselungsherausforderungen mit sich bringt.

Die vollständig homomorphe Verschlüsselungslösung von Zama ermöglicht es, verschlüsselte Gebote on-chain zu verarbeiten, ohne dass sie offengelegt werden müssen. Bei herkömmlichen Blindauktionen werden die Gebote nach Ende der Auktion bekannt gegeben, aber der Ansatz von Zama ermöglicht Berechnungen, um den Gewinner zu bestimmen, ohne die Vertraulichkeit der Gebote zu beeinträchtigen. Die Methode von Zama umfasst homomorphe Vergleiche, bedingte Aktualisierungen und sichere Abrechnungen, wodurch die Offenlegung von Geboten entfällt. Verschlüsselte Multiplexer-Techniken wählen das höchste Gebot aus und aktualisieren die Ergebnisse auf der Grundlage verschlüsselter Bedingungen, wodurch Gebotsdetails sicher verwaltet werden, ohne vertrauliche Informationen preiszugeben. Am Ende der Auktion kann nur der Höchstbietende seinen Preis sicher entschlüsseln und seinen Status als Höchstbietender verifizieren, ohne weitere Gebotsdetails preiszugeben.

On-Chain Gaming

Mit fhEVM stellt Zama eine Möglichkeit vor, On-Chain-Gaming mit vollständig homomorpher Verschlüsselung zu verbessern. Auf seiner Website zeigt Zama, wie man eine verschlüsselte Version des beliebten Spiels "Wordle" auf der Blockchain erstellt. Zamas Lösung verschlüsselt sowohl den Spielstand als auch die Eingaben und ermöglicht es Smart Contracts, die Ergebnisse zu überprüfen. Dies bedeutet, dass sensible Spieldaten privat bleiben und vor unbefugtem Zugriff oder Manipulation geschützt sind, selbst wenn sie on-chain verarbeitet werden. Dieser Datenschutzansatz ermöglicht es, On-Chain-Gaming privater und skalierbarer zu gestalten, ohne die Transparenz und Funktionalität der Blockchain zu beeinträchtigen.

Zukunftsaussicht

Datenschutzorientierte Transaktionen sollen nach der Lösung der Skalierbarkeitsprobleme von Blockchain zur nächsten großen Trend werden. Heute liegt die Hauptherausforderung beim Skalieren nicht mehr in der Infrastrukturentechnologie selbst, sondern vielmehr im Mangel an regulatorischer Unterstützung und Marktaufnahme, die für eine weit verbreitete Akzeptanz entscheidend sind. Datenschutzorientierte Transaktionen schaffen mit ihrer optimierten Infrastruktur gezieltere Benutzergruppen, Transaktionsmethoden und Anwendungsszenarien, ähnlich wie die Zero-Knowledge-Proof-Technologie eine breite Akzeptanz gefunden hat.

In Zukunft wird erwartet, dass die FHE-Technologie die Erfahrungslücke zwischen dezentralen und zentralisierten Börsen verringert. Die Datenschutztechnologie in On-Chain-Spielen kann auch dazu beitragen, Sicherheitsrisiken durch Zufallszahlengenerierung zu beheben. Obwohl das Potenzial für datenschutzerhaltende Lösungen enorm ist, bleiben Leistungsbeschränkungen eine Herausforderung. Die Erfüllung der Anforderungen an hochfrequente Transaktionen im großen Maßstab erfordert erhebliche Zeit und Entwicklung.