Introducción

Tras el auge de Zero-Knowledge (ZK) en 2022, las aplicaciones de tecnología de privacidad han progresado sustancialmente, con el ecosistema de ZK logrando avances en campos como EVM, DeFi y DID. Con un nuevo ciclo criptográfico emergiendo, surge la pregunta: ¿será FHE la próxima gran tecnología de privacidad? En el último año, el cifrado completamente homomórfico (FHE) ha despertado un mayor interés de los principales fondos de capital de riesgo, con Zama como ejemplo principal. Este artículo explora el crecimiento de FHE, lo contrasta con otras tecnologías de privacidad y proporciona un análisis detallado del enfoque de Zama.

¿Qué es FHE?

El cifrado completamente homomórfico (FHE) es una tecnología de privacidad que utiliza propiedades matemáticas homomórficas para realizar varios cálculos en datos cifrados, asegurando que la información no se filtre. En el campo de Web2, FHE se utiliza actualmente en el cifrado de información médica, la privacidad de datos financieros y el cifrado de datos en la nube. Este algoritmo de cifrado fue propuesto por primera vez en 1978 y volvió a llamar la atención en el siglo XXI, ya que varios avances tecnológicos han optimizado el manejo del ruido y el procesamiento de punto flotante, mejorando el rendimiento del algoritmo y llevando la tecnología FHE al sector comercial.

El algoritmo de cifrado completamente homomórfico tiene tres características principales: homomorfismo completo, confidencialidad de datos y flexibilidad computacional.

• Homomorfismo completo: En comparación con el cifrado homomórfico parcial, el cifrado homomórfico completo permite realizar cualquier operación matemática en datos cifrados, incluyendo sumas, multiplicaciones e incluso operaciones compuestas más complejas, mientras que los esquemas de cifrado homomórfico parcial solo admiten operaciones específicas.
• Confidencialidad de datos: El cifrado completamente homomórfico permite múltiples sumas y multiplicaciones en datos cifrados, con el resultado aún cifrado.
• Flexibilidad computacional: el cifrado completamente homomórfico admite una variedad de operaciones computacionales, incluyendo suma, multiplicación y operaciones booleanas. Esta tecnología tiene ventajas en términos de privacidad, pero hay margen de mejora para aplicaciones que requieren alta eficiencia en el procesamiento y cómputo de datos a gran escala.

¿Por qué es FHE la próxima pista a nivel de ZK?

Los algoritmos de cifrado de privacidad han evolucionado desde la criptografía simétrica y asimétrica temprana a métodos más complejos y seguros como la Computación Multi-Partes (MPC), Pruebas de Conocimiento Cero (ZK) y el Cifrado Totalmente Homomórfico (FHE). Esta evolución ha seguido los avances tecnológicos y los cambios en los escenarios de aplicación. A medida que la demanda de cifrado de privacidad en campos industriales crece y los escenarios se vuelven más diversos, la atención a FHE en el espacio de blockchain está aumentando significativamente.

En cuanto a la computación de privacidad, MPC y ZK ya se utilizan ampliamente en el sector de la criptomoneda. ¿Pero por qué ahora la atención se centra en FHE? En comparación con MPC, FHE ofrece una protección de privacidad más sólida, una mayor flexibilidad computacional y no requiere verificación de múltiples partes. En contraste con ZK, que es bueno para demostrar la veracidad de una condición, FHE permite realizar cálculos en datos encriptados e incluso puede entrenar e inferir modelos de aprendizaje automático en ellos. Cada algoritmo principal de privacidad tiene fortalezas y debilidades, y demuestra sus ventajas en diferentes escenarios de aplicación, ayudando a que la computación de privacidad se arraigue en la práctica.

Una introducción a Zama

Zama es una empresa centrada en la privacidad fundada en 2020, con un equipo principalmente basado en Europa y compuesto por más de 30 doctores en filosofía y expertos en criptografía. En marzo de este año, Zama aseguró una inversión de $73 millones liderada por Multicoin Capital y Protocol Labs, a la que se unieron otros grandes inversores como Metaplanet, Blockchange, VSquared, Stake Capital y Portal Ventures. La ronda también atrajo a fundadores de proyectos clave de blockchain, incluyendo a Juan Benet (Filecoin), Gavin Wood (Polkadot), Anatoly Yakovenko (Solana), Julien Bouteloup (StakeDAO) y Tarun Chitra (Gauntlet).

El equipo directivo de Zama está formado por figuras experimentadas en la industria. El cofundador y CEO Rand Hindi comenzó a programar a los 10 años y tiene un sólido historial empresarial con una educación avanzada que abarca la informática, la inteligencia artificial y la bioinformática. El cofundador y CTO Pascal Paillier es un experto en criptografía con un doctorado en criptografía de Télécom Paris, aportando un amplio conocimiento al equipo.

Ecosistema de productos de Zama: herramientas y marcos completos

Los cuatro productos principales de Zama:

• Concrete - Un marco FHE de código abierto
• Concrete ML - Una herramienta de código abierto para el aprendizaje automático en datos encriptados
• fhEVM - Una máquina virtual de cifrado completamente homomórfico en Ethereum
• TFHE-rs - La primera herramienta de código abierto para FHE

Concreto: Marco de código abierto dedicado a FHE

Concrete es un marco especializado para el cifrado totalmente homomórfico (FHE), que permite a los desarrolladores realizar cálculos en datos cifrados mientras se preserva la privacidad. Es como una cerradura inteligente: el marco permite procesar datos sin ser "desbloqueados" o descifrados. Concrete simplifica la codificación para FHE, por lo que incluso los desarrolladores con conocimientos limitados de cifrado pueden usarlo para construir aplicaciones cifradas eficientes. Concrete también incluye herramientas de simulación y análisis para optimizar el rendimiento, actuando como un motor afinado que ayuda a minimizar el uso de recursos mientras se mantiene un alto rendimiento.

El valor principal de Concrete radica en hacer que FHE sea más accesible. Con Concrete, los desarrolladores pueden realizar operaciones matemáticas de forma segura en datos cifrados sin revelar ninguna información sensible, lo que es ideal para campos como finanzas y atención médica que exigen altos niveles de privacidad de datos.

Concrete ML: Aprendizaje automático fácil de usar para datos cifrados

Concrete ML prioriza la facilidad de uso al ofrecer APIs similares a los marcos comunes, por lo que los desarrolladores pueden realizar tareas de inferencia o entrenamiento en datos cifrados como lo harían con herramientas familiares. Su interfaz se asemeja estrechamente a scikit-learn e incluso admite la conversión de modelos PyTorch en modelos compatibles con FHE. Esto abre aplicaciones para el aprendizaje automático en áreas sensibles a la privacidad como el intercambio de datos y el cumplimiento normativo.

Concrete ML ofrece comodidad tanto para modelos listos para usar como personalizados:

Modelos integrados: Proporciona modelos compatibles con FHE similares a scikit-learn y XGBoost para una fácil adopción.

Modelos personalizados: admite modelos de entrenamiento consciente de cuantización, que los usuarios pueden desarrollar con PyTorch o Keras/TensorFlow y luego importar en Concrete ML a través de ONNX.

fhEVM: Contratos Inteligentes de Preservación de Privacidad en Ethereum

fhEVM trae contratos inteligentes verdaderamente privados a la cadena de bloques de Ethereum a través de FHE. Con la fhEVM de Zama, los contratos inteligentes encriptados pueden operar dentro del ecosistema de dApp existente, lo que garantiza dos características principales: Cifrado completo de las transacciones y estado: Todos los datos de las transacciones permanecen encriptados de extremo a extremo, lo que garantiza que no haya acceso no autorizado. Composibilidad on-chain y privacidad de los datos: El estado encriptado del contrato se mantiene con cada actualización, garantizando la privacidad.

fhEVM presenta la biblioteca de Solidity TFHE, lo que permite el desarrollo sin problemas con herramientas de Solidity existentes. Los operadores estándar funcionan en estados cifrados, lo que permite que los contratos realicen comprobaciones condicionales mientras están cifrados, haciendo que el proceso sea familiar y amigable para los desarrolladores de Ethereum. Para gestionar el cifrado y descifrado, los desarrolladores simplemente utilizan el tipo de datos euint para marcar secciones privadas de los contratos. fhEVM también admite opciones flexibles de descifrado, incluido el descifrado basado en umbrales, centralizado y basado en KMS.

TFHE-rs: Mejor rendimiento mediante la paralelización

TFHE-rs, una biblioteca escrita en Rust, realiza operaciones booleanas y enteras en datos encriptados utilizando la tecnología TFHE. Conocido por su versatilidad, TFHE-rs ofrece múltiples interfaces: Rust API, C API y una API WASM para aplicaciones cliente. Su diseño modular, como bloques de Lego flexibles, permite a los desarrolladores combinar diferentes funciones para crear soluciones de cómputo encriptadas que se adapten a sus necesidades específicas, lo que lo hace adecuado para una amplia gama de aplicaciones, desde sistemas simples hasta complejos.

TFHE-rs emplea operaciones de cifrado a nivel de bit para mejorar el rendimiento, permitiendo el manejo de datos detallado. A diferencia de los sistemas que cifran bloques de datos completos, este enfoque es más eficiente para realizar cálculos homomórficos, especialmente para operaciones de compuertas lógicas (AND, OR, XOR).

TFHE-rs también introduce mejoras avanzadas de rendimiento a través del procesamiento multi-hilo y la paralelización de bootstrapping. Al descomponer el bootstrapping en etapas que pueden procesarse simultáneamente en múltiples núcleos, TFHE-rs reduce drásticamente el tiempo de procesamiento, lo que hace que la encriptación homomórfica sea mucho más rápida y eficiente.

Cinco casos de uso clave de Zama

Con fhEVM como base, Zama ha definido cinco casos de uso prometedores orientados a la privacidad para blockchain: transacciones de contratos seguros, dark pools privados descentralizados, gobernanza de DAO, subastas ciegas on-chain y juegos on-chain.

Transacciones en Cadena

En el ecosistema DeFi, proteger la privacidad y seguridad de los datos es crucial. Los contratos financieros a menudo implican detalles sensibles, como montos de transacción, tasas de interés y planes de pago. Hacer que estos detalles sean completamente públicos en la cadena podría generar problemas de privacidad. El fhEVM de Zama permite que los contratos inteligentes se ejecuten en un estado encriptado, lo que permite que la lógica del contrato se ejecute de forma segura sin exponer datos sensibles. Las instituciones financieras u otros nodos no pueden ver directamente los detalles del contrato, pero la ejecución del contrato sigue siendo verificable. Por ejemplo, un contrato de préstamo puede contener parámetros como el monto del préstamo, el plazo de reembolso y la tasa de interés en forma encriptada, mientras que todos los cálculos se realizan sin revelar datos. De esta manera, otros nodos pueden verificar la ejecución del contrato sin acceder a detalles específicos de la transacción, lo que lo hace adecuado para opciones, liquidaciones de intercambio y préstamos en cadena.

Piscinas Oscuras Privadas Descentralizadas

Una piscina oscura es una plataforma de negociación privada que permite que ocurran grandes transacciones sin revelar públicamente los detalles del pedido, lo que ayuda a evitar la interrupción del mercado. La privacidad en las piscinas oscuras se extiende a las identidades de los usuarios, el contenido del pedido y los detalles de la transacción. Las piscinas oscuras tradicionales utilizan plataformas centralizadas o terceros de confianza para el emparejamiento de pedidos, lo que supone un riesgo para la privacidad.

El TFHE-rs de Zama admite operaciones de datos cifrados, lo que permite que las órdenes de compra y venta cifradas se emparejen de forma privada sin descifrar detalles como el precio o la cantidad. Las plataformas de trading pueden manejar de forma segura las intenciones del usuario mientras se preserva la privacidad de la orden. Estas órdenes cifradas pueden verificarse para asegurar que cumplan con las condiciones de trading, todo ello manteniendo seguros los datos.

Gobierno DAO

La gobernanza de DAO presenta desafíos de privacidad, incluyendo el anonimato del votante y la confidencialidad de los detalles del tesoro. Los mecanismos de votación a menudo exponen las preferencias de voto individuales, lo que puede llevar a una manipulación potencial o una influencia indebida. Por ejemplo, las personas que poseen más tokens de gobernanza suelen tener una mayor influencia en las votaciones, lo que potencialmente crea un sesgo autoritario que afecta los resultados. Los contratos de gobernanza de DAO también involucran información sensible sobre gastos financieros y asignaciones de proyectos, que deben permanecer privados para proteger los montos de financiamiento del proyecto o las identidades de los beneficiarios.

El enfoque de Zama permite el procesamiento encriptado del voto de cada miembro. Los contratos de votación pueden contabilizar los votos y calcular los resultados sin desencriptar los votos individuales. Las sumas finales son públicas, pero el proceso de votación sigue siendo privado. Utilizando el cifrado homomórfico, cada voto puede ser verificado para su elegibilidad sin exponer la elección.

Subastas ciegas en cadena

Las subastas ciegas en cadena permiten a los participantes presentar ofertas de forma privada sin revelarlas hasta que finaliza la subasta. La mayoría de los desarrolladores utilizan pruebas de conocimiento cero y un proceso de dos pasos para garantizar la privacidad de las ofertas, lo que a menudo requiere almacenar datos fuera de la cadena, lo que introduce desafíos adicionales de cifrado.

La solución de encriptación totalmente homomórfica de Zama permite procesar ofertas encriptadas en la cadena sin necesidad de revelarlas. En las subastas ciegas tradicionales, las ofertas se revelan después de que finaliza la subasta, pero el enfoque de Zama permite determinar al ganador sin comprometer la privacidad de la oferta. El método de Zama incluye la comparación homomórfica, la actualización condicional y el arreglo seguro, eliminando la necesidad de revelar las ofertas. Técnicas de multiplexor encriptado seleccionan la oferta más alta y actualizan los resultados en función de condiciones encriptadas, gestionando de manera segura los detalles de la oferta sin exponer información confidencial. Al final de la subasta, solo el ofertante ganador puede descifrar de manera segura su premio, verificando su estado como el ofertante más alto sin revelar otros detalles de la oferta.

Juego en Cadena

Usando fhEVM, Zama introduce una manera de mejorar los juegos en cadena con cifrado completamente homomórfico. En su sitio web, Zama demuestra cómo construir una versión cifrada del popular juego 'Wordle' en la cadena de bloques. La solución de Zama cifra tanto el estado del juego como las entradas mientras permite que los contratos inteligentes verifiquen los resultados. Esto significa que los datos sensibles del juego permanecen privados, protegiéndose contra el acceso o la manipulación no autorizados, incluso cuando se procesan en la cadena. Este enfoque de privacidad permite que los juegos en cadena sean más privados y escalables sin sacrificar la transparencia y funcionalidad de la cadena de bloques.

Perspectivas futuras

Las transacciones que preservan la privacidad están listas para convertirse en la próxima gran tendencia después de la resolución de los problemas de escalabilidad de la cadena de bloques. Hoy en día, el principal desafío en la escalabilidad ya no radica en la tecnología de infraestructura en sí, sino más bien en la falta de apoyo regulatorio y aceptación del mercado, que son cruciales para una adopción generalizada. Las transacciones que preservan la privacidad, con su infraestructura optimizada, crean grupos de usuarios más específicos, métodos de transacción y escenarios de aplicación, al igual que la tecnología de prueba de conocimiento cero logró una amplia adopción.

Mirando hacia adelante, se espera que la tecnología FHE estreche la brecha de experiencia entre los intercambios descentralizados y centralizados. La tecnología de privacidad en los juegos en cadena también puede ayudar a abordar los riesgos de seguridad planteados por la generación de números aleatorios. Aunque el potencial de soluciones de preservación de la privacidad es vasto, las limitaciones de rendimiento siguen siendo un desafío. Satisfacer las demandas de transacciones de alta frecuencia a gran escala llevará tiempo y desarrollo considerable.