Reenviar el título original 'Guía completa de encriptación completamente homomórfica (FHE)'

TLDR:

• El cifrado completamente homomórfico (FHE) es la tecnología de protección de la privacidad de próxima generación que está a punto de surgir y que merece nuestra inversión. FHE tiene capacidades ideales de protección de la privacidad, pero todavía existen brechas de rendimiento. Creemos que con la entrada de capital cripto, el desarrollo y la madurez de la tecnología se acelerarán enormemente, al igual que el rápido desarrollo de ZK en los últimos años.
• El cifrado completamente homomórfico se puede utilizar en Web3 para la protección de la privacidad de las transacciones, la protección de la privacidad de la IA y los coprocesadores de protección de la privacidad. Entre ellos, prefiero especialmente el EVM protegido de la privacidad, que es más flexible y más adecuado para el EVM que la firma de anillo existente, las tecnologías de mezcla de monedas y ZK.
• Hemos investigado varios proyectos destacados de FHE, la mayoría de los cuales se lanzarán en la red principal desde este año hasta el primer trimestre del próximo año. Entre estos proyectos, ZAMA tiene la tecnología más sólida pero aún no ha anunciado planes para emitir un token. Además, consideramos que Fhenix es el mejor proyecto de FHE entre ellos.

1. FHE es una tecnología ideal de protección de la privacidad

1.1 El papel de la encriptación completamente homomórfica

El cifrado completamente homomórfico (FHE) es una forma de cifrado que permite a las personas realizar un número arbitrario de adiciones y multiplicaciones en textos cifrados para obtener resultados que aún están cifrados. Cuando se descifra, el resultado es el mismo que si las operaciones se hubieran realizado en texto sin cifrar. Esto logra datos "computables pero invisibles".

La encriptación completamente homomórfica es particularmente adecuada para la informática externalizada. Puede externalizar datos a la potencia informática externa sin preocuparse por la fuga de datos.

En términos sencillos, por ejemplo, diriges una empresa y los datos de la empresa son muy valiosos. Quieres utilizar servicios útiles en la nube para procesar y calcular estos datos, pero te preocupa la fuga de datos en la nube. Entonces puedes:

1. Convierta los datos en texto cifrado a través de la encriptación completamente homomórfica y luego súbalo al servidor en la nube. Por ejemplo, los números 5 y 10 en la imagen de arriba se cifrarán en texto cifrado y se expresarán como “X” e “YZ”.
2. Cuando necesite realizar operaciones con datos, por ejemplo, si desea sumar dos números 5 y 10, solo necesita permitir que el texto cifrado "X" y "YZ" en el servidor en la nube realicen la operación de suma de texto plano correspondiente especificada por el algoritmo. Un cierto resultado de la operación da como resultado el texto cifrado "PDQ".
3. Después de descargar el resultado del texto cifrado del servidor en la nube, se descifra para obtener el texto sin formato. Te darás cuenta de que el resultado del texto sin formato es el resultado de la operación de 5 + 10.

El texto sin formato solo te aparece a ti, mientras que todos los datos almacenados y calculados en el servidor en la nube son datos cifrados. De esta manera, no tienes que preocuparte por la filtración de datos. Este enfoque de preservación de la privacidad es ideal.

• Encriptación semi-homomórfica: El semi-homomorfismo es más fácil y práctico. El semi-homomorfismo significa que el texto cifrado solo tiene una propiedad homomórfica, como homomorfismo aditivo/homomorfismo multiplicativo.
• Aproximadamente homomórfico: Nos permite calcular la adición y la multiplicación en el texto cifrado al mismo tiempo, pero el número de veces admitidas es muy limitado.
• Cifrado homomórfico de series finitas completamente homomórfico: nos permite realizar cualquier combinación de adición y multiplicación en el texto cifrado, sin límite en la cantidad de veces. Pero hay un nuevo límite superior de complejidad, que limita la complejidad de la función.
• Encriptación completamente homomórfica: necesita admitir cualquier número de operaciones de suma y multiplicación, sin límite de complejidad y número de veces.

La encriptación completamente homomórfica es la más difícil e ideal aquí, y es llamada el “Santo Grial de la criptografía”.

1.2 Historia

La encriptación completamente homomórfica tiene una larga historia

• 1978: Se propuso el concepto de encriptación completamente homomórfica.
• Año 2009 (Primera generación): Se propuso el primer esquema de encriptación completamente homomórfica.
• año 2011 (segunda generación): se propone un esquema de encriptación completamente homomórfica basado en enteros. Es más simple que la solución anterior, pero la eficiencia no se mejora.
• año 2013 (tercera generación): se propone una nueva tecnología GSW para construir una solución FTE, que es más eficiente y segura. Esta tecnología fue mejorada aún más y se desarrollaron FHEW y TFHE, mejorando aún más la eficiencia.
• 2016 (Cuarta generación): Se propone un esquema de cifrado aproximadamente homomórfico CKKS, que es el método más efectivo para evaluar aproximaciones polinomiales y es particularmente adecuado para aplicaciones de aprendizaje automático preservando la privacidad.

Los algoritmos actualmente compatibles con las bibliotecas de cifrado homomórfico comúnmente utilizadas son principalmente algoritmos de tercera y cuarta generación. La innovación algorítmica, la optimización de ingeniería, un Blockchain más amigable y la aceleración de hardware son fáciles de surgir con la entrada de capital.

1.3 Rendimiento actual y disponibilidad

Bibliotecas de cifrado homomórfico comúnmente utilizadas:

Rendimiento de ZAMA TFHE:

Por ejemplo: la adición y sustracción de 256 bits de ZAMA TFHE demora aproximadamente 200 ms, y el cálculo de texto sin formato demora de decenas a cientos de nanosegundos. La velocidad de cálculo FHE es aproximadamente 10^6 veces más lenta que el cálculo de texto sin formato. Las operaciones parcialmente optimizadas son aproximadamente 1000 veces más lentas que el texto sin formato. Por supuesto, es inherentemente injusto comparar un cálculo de texto cifrado con un cálculo de texto sin formato. Hay un precio que pagar por la privacidad, sin mencionar la tecnología de protección de privacidad ideal de encriptación completamente homomórfica.

ZAMA tiene como objetivo mejorar el rendimiento a través del desarrollo de hardware de encriptación completamente homomórfica.

1.4 Direcciones de Investigación Técnica para la Encriptación Completamente Homomórfica en Web3

Web3 es inherentemente descentralizado, e integrar el Cifrado Homomórfico Completo (FHE) con Web3 abre varias direcciones de investigación prometedoras:

• Desarrollar esquemas FHE innovadores, compiladores y bibliotecas para hacer que FHE sea más fácil de usar, más rápido y más adecuado para aplicaciones de blockchain.
• Creando hardware de encriptación completamente homomórfica para aumentar el rendimiento computacional.
• Combinar el encriptación completamente homomórfica con Pruebas de Conocimiento Cero (ZKP) para asegurar cálculos privados mientras se demuestra que las entradas y salidas cumplen condiciones específicas o que las operaciones FHE se ejecutan correctamente.
• Proteger los nodos computacionales de comportamientos maliciosos, potencialmente utilizando soluciones como la reacuñación de EigenLayer.
• Implementación de esquemas de descifrado de MPC (cómputo multiusuario) donde los estados compartidos están encriptados y las claves utilizan el particionamiento de MPC, lo que requiere un protocolo de descifrado de umbral seguro y de alto rendimiento.
• Mejorar la capa de disponibilidad de datos (DA) para aumentar el rendimiento, ya que la configuración actual de Celestia no cumple con los requisitos necesarios.

En resumen, consideramos que la encriptación completamente homomórfica (FHE) es la tecnología de protección de privacidad de próxima generación en ascenso. Si bien ofrece excelentes capacidades de privacidad, todavía hay desafíos de rendimiento que superar. Con la afluencia de capital criptográfico, anticipamos avances rápidos y madurez en esta tecnología, similar al progreso visto con las Pruebas de Conocimiento Cero (ZK) en los últimos años. El sector de FHE ciertamente merece nuestra inversión.

2. FHE se utiliza en varios escenarios de protección de la privacidad en Web3, entre los cuales soy más optimista sobre EVM de privacidad.

FHE pertenece al ámbito de protección de la privacidad. En pocas palabras, incluye “Protección de la privacidad de transacciones”+“Protección de la privacidad de IA”+ “Coprocesador de preservación de la privacidad”.

• La protección de la privacidad de las transacciones también incluye DeFi que protege la privacidad, votaciones, subastas, anti-MEV, etc.
• La protección de la privacidad de la IA también incluye la identidad descentralizada, así como la protección de la privacidad de otros modelos y datos de IA.
• El coprocesador de protección de la privacidad realiza operaciones de cifrado completamente homomórfico fuera de la cadena y, en última instancia, devuelve los resultados a la cadena. Se puede utilizar para juegos sin confianza, etc.

Por supuesto, hay muchas tecnologías de protección de la privacidad, y conocerás la particularidad del cifrado completamente homomórfico al compararlas.

• TEE es muy rápido. Los datos se almacenan y calculan en texto plano en hardware confiable, por lo que es muy rápido. Pero depende de hardware seguro. En realidad, confía en el fabricante del hardware en lugar del algoritmo. Este modelo de confianza es centralizado. Y algunas verificaciones de cálculos de TEE requieren conectarse al fabricante de TEE para verificación remota. Esto no es adecuado para la integración en la cadena de bloques para verificación en cadena. Debido a que requerimos verificación en cadena, solo los nodos de datos históricos de la cadena de bloques pueden completarse de forma independiente y no deberían depender de instituciones centralizadas externas.
• La computación segura entre múltiples partes MPC también es una tecnología de computación entre múltiples partes que protege la privacidad. Sin embargo, esta tecnología a menudo requiere que múltiples partes estén en línea al mismo tiempo e interactúen con frecuencia, por lo que generalmente no es adecuada para escenarios asíncronos como blockchain. MPC se utiliza principalmente para la gestión descentralizada de claves. En la billetera MPC, la clave privada no se almacena de forma completa en ningún lugar. En su lugar, la clave privada se divide en múltiples fragmentos (o partes) que se almacenan en diferentes dispositivos o nodos. Solo cuando se necesita firmar una transacción, múltiples fragmentos participarán conjuntamente en el cálculo a través del protocolo de cálculo entre múltiples partes para generar una firma.
• Las pruebas de conocimiento cero ZK se utilizan principalmente para pruebas de cálculo para demostrar que un cierto proceso de cálculo se ejecuta correctamente, y rara vez se utilizan para la protección de la privacidad. ZK y la tecnología homomórfica también son inseparables, y la tecnología homomórfica también se utiliza en la parte de protección de la privacidad.
• La encriptación completamente homomórfica (FHE) no requiere el intercambio de datos a mitad de camino durante el proceso de operación de cifrado y se puede calcular completamente en el servidor/nodo. Por lo tanto, MPC no requiere que el iniciador/varias partes estén en línea y es más adecuado para blockchain. Y en comparación con TEE, es sin confianza. La única desventaja es que el rendimiento no es alto.

Por lo tanto, siempre y cuando la encriptación completamente homomórfica mejore gradualmente su rendimiento, sus capacidades de protección de la privacidad son más adecuadas para Web3.

Al mismo tiempo, en términos de protección de la privacidad de las transacciones, el cifrado completamente homomórfico también es más adecuado para EVM. porque:

• Las tecnologías de firma de anillo y mezcla de monedas no pueden soportar contratos.
• Para proyectos de protección de privacidad ZK como Aleo, los datos privados son similares al modelo UTXO, no al modelo de cuenta EVM.
• La encriptación completamente homomórfica puede soportar tanto contratos como modelos de cuentas, y puede integrarse fácilmente en el EVM.

En contraste, un EVM completamente homomórfico es realmente atractivo.

Los cálculos de IA son inherentemente intensivos en computación, y agregar un modo de cifrado tan complejo como la encriptación completamente homomórfica puede resultar en un bajo rendimiento y altos costos en esta etapa. Creo que la protección de la privacidad de la IA eventualmente será una solución híbrida de TEE/MPC/ZK/semi-homomórfico.

En resumen, la encriptación completamente homomórfica se puede usar en la protección de la privacidad de las transacciones Web3, la protección de la privacidad de la inteligencia artificial y el coprocesador de protección de la privacidad. De entre ellos, soy particularmente optimista sobre el EVM de protección de la privacidad. Es más flexible y más adecuado para el EVM que la firma de anillo existente, la tecnología de mezcla de moneda y ZK.

3. La mayoría de los proyectos de encriptación completamente homomórfica se lanzarán en la red principal entre este año y el primer trimestre del próximo año; Creemos que Fhenix es el mejor proyecto de encriptación completamente homomórfica además de ZAMA

Hemos evaluado varios proyectos líderes de encriptación completamente homomórfica (FHE) actualmente disponibles. Aquí hay un breve resumen:

3.1 ZAMA (Herramientas)

Visión general: ZAMA proporciona soluciones de encriptación completamente homomórfica para blockchain y AI.

• Herramientas: TFHE-rs, una implementación de Rust de TFHE.
• Herramientas: Concrete, un compilador para TFHE.
• Productos: Concrete ML, una plataforma de aprendizaje automático que preserva la privacidad.
• Productos: fhEVM, contratos inteligentes con preservación de privacidad.
• Equipo:
  • CTO y Co-Fundador: Pascal Paillier, un criptógrafo distinguido. Obtuvo su doctorado de Telecom ParisTech en 1999 e inventó el criptosistema Paillier el mismo año. Ha estado publicando artículos sobre cifrado homomórfico desde 2013 y es un experto líder en el campo.
  • CEO y Co-Fundador: Rand Hindi, quien completó su doctorado en Bioinformática en UCL en 2011. Ha trabajado en numerosos proyectos de ciencia de datos y ha asesorado varios proyectos junto a su trabajo en ZAMA.
• Financiamiento: En los últimos cuatro años, ZAMA ha recaudado más de $82 millones. Su última ronda Serie A aseguró $73 millones, liderada por Multicoin Capital y Protocol Labs.
  • El 26 de septiembre de 2023, recaudaron $7 millones en una ronda inicial liderada por Multicoin Capital, con la participación de Node Capital, Bankless Ventures, Robot Ventures, Tane Labs, HackVC y Metaplanet.

3.2 Fhenix (EVM + IA)

• Narrativa: Coprocesador FHE/L2 FHE Rollup (Privacidad L2 compatible con EVM)
  • Producto: Rollup admite encriptación completamente homomórfica y es un contrato inteligente confidencial compatible con EVM. Los desarrolladores utilizan Solidity para desarrollar Dapps asegurando la privacidad de los datos.
  • Producto: coprocesador FHE, que descarga tareas de cálculo encriptadas desde la cadena principal (ya sea Ethereum, L2 o L3) hacia el fuera de la cadena. Aumentan considerablemente la eficiencia de las operaciones basadas en FHE.
  • Cooperación: Cooperar con Zama, utilizar fhEVM de ZAMA y la biblioteca ZAMA en github está bifurcada
  • Cooperación: Cooperar con EigenLayer, los nodos de Rollup necesitan ser regenerados en EigenLayer
• Equipo: Guy Itzhaki tiene más de 7 años de experiencia laboral en Intel y se desempeña como Director de Cifrado Homomórfico y Desarrollo de Negocios de Blockchain de Intel.
  • Fundador: Guy Zyskind, candidato a doctorado en MIT, MSC en MIT en 2016.Participó en la investigación y desarrollo del protocolo de privacidad de MIT Enigma y tiene fuertes capacidades de investigación y desarrollo.
  • CEO: Guy Itzhaki tiene 7 años de experiencia laboral en Intel y cuenta con una sólida experiencia en el campo de la protección de la privacidad. Se desempeñó como Director de Desarrollo de Negocios de Cifrado Homomórfico y Blockchain de Intel.
  • Prof. Chris, Peikert, criptólogos de Cryptozoologists para encriptación completamente homomórfica. Líder en criptografía de Algorand.
• Financiamiento: 1 año, la última ronda de la Serie A recaudó 15 millones, liderada por Hack VC, seguida por Foresight Ventures y otras instituciones.
  • En mayo de 2024, la Serie A recaudó $15 millones, liderada por Hack VC, seguida por Foresight Ventures y otras instituciones.
  • El 26 de septiembre de 2023, Seed Round recaudó US$7 millones, liderado por Multicoin Capital, con la participación de Node Capital, Bankless Ventures, Robot Ventures, Tane Labs, HackVC y Metaplanet.
• Hoja de ruta: La red de prueba se lanzará en el segundo trimestre de 2024 y se lanzará en el primer trimestre de 2025.
  • En el segundo trimestre de 2024, se lanzará la red de umbral.
  • 2024年Q3，FHE Co-processor V0.
  • Q1 2025, mainnet
  • 2025年Q3，FHE Co-processor V1.

3.3 Inco (EVM)

• Narrativa: Capa de Computación de Privacidad Modular/Soporte de Cadena EVM
  • El producto: Rollup admite FHE y es un contrato inteligente confidencial compatible con EVM. Los desarrolladores utilizan Solidity para desarrollar Dapps asegurando la privacidad de los datos.
  • Cooperación: Colabora con Zama y utiliza el fhEVM de ZAMA
• Equipo: Fundador Remi Ga, quien trabajó brevemente como ingeniero de software en Microsoft y Google en los primeros días, y trabajó en el proyecto DeFi de Parallel Finance
  • Fundador: Remi Gai, hace 22 años, tenía 6 a 9 meses de experiencia como ingeniero de software en Microsoft y Google respectivamente, y más tarde trabajó en proyectos de Parallel Finance y DeFi.
  • Líder técnico: Amaury A, desarrollador principal de Cosmos
• Financiamiento: La última ronda de financiamiento semilla fue de 4.5 millones de yuanes, liderada por 1kx
  • En febrero de 2024, Inco Network completó una ronda de financiación semilla de US$4.5 millones, liderada por 1kx, con la participación de Circle Ventures, Robot Ventures, Portal VC, Alliance DAO, Big Brain Holdings, Symbolic, GSR, Polygon Ventures, Daedalus, Matter Labs y Fenbushi.
• Progreso: Testnet lanzada en marzo de 2024, mainnet lanzada en el cuarto trimestre de 2024
  • En marzo de 2024, se lanzará la red de prueba que incluirá fhEVM. Actualmente incluye varios ejemplos de ERC-20 que protegen la privacidad, votación privada, fotografía ciega y DID privado.
  • En el segundo y tercer trimestre de 2024, se lanzará la red de prueba que incluirá fhEVM
  • Q4 2024, en la red principal
  • En 2025, planeamos implementar aceleración de hardware FPGA, con la esperanza de que el TPS alcance 100~1000.

3.4 Red de la Mente (AI&DePIN)

• Narrativa: Protección de privacidad de datos y cómputo privado. Datos y modelos de IA y DePIN.
  • Producto: La narrativa de 23 años es Privacy Data Lake, almacenamiento y procesamiento de datos preservando la privacidad. Este año, la protección de la privacidad para los datos y modelos de AI y DePIN ha sido ajustada.
  • Cooperación: Colaborar con ZAMA y utilizar la biblioteca de encriptación completamente homomórfica de ZAMA
  • Cooperación: Cooperar con Fhenix e Inco, utilizar fhEVM para Rollup
  • Cooperación: Cooperar con Arweave para almacenar datos encriptados
  • Cooperación: Cooperar con EigenLayer, Babilonia, etc. para servir al nodo de restaking. Referencia: https://mindnetwork.medium.com/fhe-secured-restaking-layer-scaling-security-for-ai-depin-networks-73d5c6e5dda3
• Equipo: El CTO George fue investigador en la Universidad de Cambridge.
  • Co-fundador y CTO: George fue investigador en la Universidad de Cambridge, director técnico de un banco multinacional y tiene muchos años de experiencia en tecnología financiera en Internet.
• Financiamiento: 2 años, semilla recaudada 2.5 millones, incubada por Binance Labs
  • El 20 de junio de 2023, la Ronda de Semillas recaudó 2,5 millones de dólares liderada por Binance Labs, con la participación de HashKey, SevenX, etc.
• Hoja de ruta: Ha estado en la red de prueba y actualmente tiene una función de reinversión. El resto de la hoja de ruta aún no se ha anunciado.

3.5 Privasea (AI&DePIN)

• Narrativa: IA y computación de privacidad DePIN.
  • Producto: Utilice la encriptación completamente homomórfica para entrenar modelos de ML. Puertas booleanas optimizadas de TFHE.
  • Producto: FaceID, versión de reconocimiento facial protegido de la privacidad. Utilizado para prevenir la brujería y KYC
  • Cooperación: Integración de BNB Greenfield para almacenar datos encriptados
• Equipo: CTO Zhuan Cheng, Doctor en matemáticas por la Universidad de Chicago, cuenta con una amplia experiencia en investigación y desarrollo de tecnología de criptografía.
  • CEO: David Jiao, el proyecto de IA ha recaudado 20 millones de yuanes, y el proyecto de blockchain ha recaudado 4 millones de yuanes.
  • El CTO Zhuan Cheng, doctor en matemáticas de la Universidad de Chicago, tiene una amplia experiencia en investigación y desarrollo en criptografía. Anteriormente ha trabajado en el proyecto de protección de privacidad ZK de NuLink.
• Financiamiento: 1 año, Recaudación inicial de 5 millones, incubado por Binance Labs
  • En marzo de 2024, Seed Round recaudó US$5 millones, incubado por Binance Labs, con la participación de MH Ventures, K300, Gate Labs, 1NVST, etc.
• Hoja de ruta: se lanzará Testnet V2 en abril de 2024, la red principal de Q3 en 2024
  • Enero de 2024, Testnet V1.
  • Abril de 2024, Testnet V2.
  • TGE en el tercer trimestre de 2024.

3.6 Optalysys (Herramientas)

Narrativa: Hardware de cifrado homomórfico.

A juzgar por la información anterior, ZAMA proporciona a estos proyectos la biblioteca de código abierto central de encriptación completamente homomórfica, y actualmente es el pionero tecnológico y el jugador más fuerte. Sin embargo, ZAMA aún no ha anunciado ningún plan para emitir monedas, por lo que nos centramos en Fhinex.

Fhinex implementará EVM de protección de privacidad y contratos inteligentes de protección de privacidad. Planea construir un Fhenix L2, una EVM de privacidad completamente homomórfica. Proporcionar transacciones de preservación de privacidad y DeFi, etc. Este L2 también está equipado con una red de umbral para realizar algunas operaciones de cifrado y descifrado; además, Fhenix también construirá un coprocesador FHE, una red de cómputo completamente homomórfica que puede servir a cadenas EVM distintas de Fhenix y proporcionar cómputo completamente homomórfico. Sirve.

El equipo de Fhinex tiene una fuerte capacidad técnica. Los miembros del equipo incluyen no solo a expertos responsables de la computación de privacidad en Intel, sino también a PHD que participaron en el desarrollo del protocolo de privacidad Enigma en MIT, y al líder de criptografía de Algorand.

En resumen, creemos que proyectos de encriptación completamente homomórfica como ZAMA y Fhinex pueden llevar herramientas ideales de protección de privacidad a la cadena de bloques.

Descargo de responsabilidad：

1. Este artículo se reproduce de [ Investigación prospectiva].Reenvía el título original'Foresight Ventures:深度解析FHE(全同态加密)赛道'.Todos los derechos de autor pertenecen al autor original [Maggie]. Si hay objeciones a esta reimpresión, por favor contacte al Gate Learn equipo, y lo manejarán con prontitud.
2. Descargo de responsabilidad: Los puntos de vista y opiniones expresados en este artículo son únicamente los del autor y no constituyen ningún consejo de inversión.
3. Las traducciones del artículo a otros idiomas son realizadas por el equipo de Gate Learn. A menos que se mencione, está prohibido copiar, distribuir o plagiar los artículos traducidos.