Transmettre le titre original 'Guide complet du chiffrement homomorphique complet (FHE)'

TLDR :

• Le chiffrement homomorphe complet (FHE) est la technologie de protection de la vie privée de nouvelle génération qui est sur le point de se développer et qui vaut notre investissement. Le FHE possède des capacités idéales de protection de la vie privée, mais il existe encore des écarts de performance. Nous pensons qu'avec l'entrée du capital cryptographique, le développement et la maturité de la technologie seront grandement accélérés, tout comme le développement rapide de ZK ces dernières années.
• Le chiffrement homomorphique complet peut être utilisé dans Web3 pour la protection de la confidentialité des transactions, la protection de la confidentialité de l'IA et les coprocesseurs de protection de la confidentialité. Parmi eux, je préfère particulièrement l'EVM protégé par la confidentialité, qui est plus flexible et mieux adapté à l'EVM que les signatures en anneau existantes, les technologies de mélange de pièces et les ZK.
• Nous avons étudié plusieurs projets exceptionnels de chiffrement homomorphe complet (FHE), dont la plupart seront lancés sur le mainnet de cette année au premier trimestre de l'année prochaine. Parmi ces projets, ZAMA possède la technologie la plus puissante mais n'a pas encore annoncé de plans pour émettre un jeton. De plus, nous considérons Fhenix comme le meilleur projet FHE parmi eux.

1. Le chiffrement homomorphe complet est une technologie idéale de protection de la vie privée

1.1 Le rôle du chiffrement homomorphe complet

Le chiffrement homomorphe complet (FHE) est une forme de chiffrement qui permet aux utilisateurs d'effectuer un nombre arbitraire d'additions et de multiplications sur des textes chiffrés pour obtenir des résultats qui sont toujours chiffrés. Lorsqu'ils sont déchiffrés, les résultats sont identiques à ceux obtenus sur des textes en clair. Cela permet d'obtenir des données « calculables mais invisibles ».

Le chiffrement homomorphe complet est particulièrement adapté pour l'informatique externalisée. Vous pouvez externaliser des données à une puissance de calcul externe sans vous soucier des fuites de données.

En termes simples, par exemple, vous dirigez une entreprise et les données de l'entreprise sont très précieuses. Vous voulez utiliser des services cloud utiles pour traiter et calculer ces données, mais vous craignez les fuites de données dans le cloud. Ensuite, vous pouvez :

1. Convertissez les données en texte chiffré grâce au chiffrement homomorphique complet, puis téléchargez-les sur le serveur cloud. Par exemple, les nombres 5 et 10 sur l'image ci-dessus seront chiffrés en texte chiffré et exprimés comme "X" et "YZ".
2. Lorsque vous devez effectuer des opérations sur des données, par exemple, si vous voulez ajouter deux nombres 5 et 10, vous avez seulement besoin de laisser le texte chiffré "X" et "YZ" sur le serveur cloud effectuer l'opération + correspondante au texte en clair spécifiée par l'algorithme. Une certaine opération produit le résultat chiffré "PDQ".
3. Après que le résultat du texte chiffré est téléchargé depuis le serveur cloud, il est déchiffré pour obtenir le texte en clair. Vous constaterez que le résultat en clair est le résultat de l'opération 5 + 10.

Le texte en clair n'apparaît qu'à vous, tandis que toutes les données stockées et calculées sur le serveur cloud sont des données chiffrées. De cette manière, vous n'avez pas à vous inquiéter des fuites de données. Cette approche de préservation de la confidentialité est idéale.

• Chiffrement semi-homomorphe: Le semi-homomorphisme est plus facile et plus pratique. Le semi-homomorphisme signifie que le texte chiffré n'a qu'une seule propriété homomorphe, telle que l'homomorphisme additif/multiplicatif.
• Approximativement homomorphe : Nous permet de calculer l'addition et la multiplication sur le texte chiffré en même temps, mais le nombre de fois supportées est très limité.
• Chiffrement homomorphe complet de séries finies : Nous permet de réaliser n'importe quelle combinaison d'addition et de multiplication sur le texte chiffré, sans limite de nombre de fois. Mais il existe une nouvelle limite supérieure de complexité, qui limite la complexité de la fonction.
• Chiffrement homomorphique complet: Il doit prendre en charge n'importe quel nombre d'opérations d'addition et de multiplication, sans limite de complexité et de nombre de fois.

Le chiffrement homomorphe complet est le plus difficile et idéal ici, et est appelé le "Saint Graal de la cryptographie".

1.2 Histoire

Le chiffrement homomorphe complet a une longue histoire

• 1978: Le concept de chiffrement homomorphe complet a été proposé.
• Année 2009 (première génération) : Le premier schéma de chiffrement homomorphe complet a été proposé.
• année 2011 (deuxième génération) : Un schéma entièrement homomorphe basé sur les entiers est proposé. Il est plus simple que la solution précédente, mais l'efficacité n'est pas améliorée.
• année 2013(Troisième génération) : Une nouvelle technologie GSW est proposée pour construire une solution FTE, qui est plus efficace et plus sûre. Cette technologie a été encore améliorée et FHEW et TFHE ont été développés, améliorant encore l'efficacité.
• 2016 (quatrième génération) : Un schéma de chiffrement approximativement homomorphique CKKS est proposé, qui est la méthode la plus efficace pour évaluer une approximation polynomiale et est particulièrement adapté aux applications d'apprentissage automatique préservant la vie privée.

Les algorithmes actuellement pris en charge par les bibliothèques de chiffrement homomorphique couramment utilisées sont principalement des algorithmes de troisième et quatrième génération. L'innovation algorithmique, l'optimisation de l'ingénierie, une blockchain plus conviviale et l'accélération matérielle sont faciles à émerger avec l'entrée de capitaux.

1.3 Performance actuelle et disponibilité

Bibliothèques de chiffrement homomorphique couramment utilisées :

Performance ZAMA TFHE:

Par exemple : l'addition et la soustraction de 256 bits de ZAMA TFHE prennent environ 200ms, et le calcul de texte en clair prend des dizaines à des centaines de nanosecondes. La vitesse de calcul FHE est environ 10^6 fois plus lente que le calcul en texte clair. Les opérations partiellement optimisées sont environ 1000 fois plus lentes que le texte clair. Bien sûr, il est intrinsèquement injuste de comparer un calcul de texte chiffré avec un calcul de texte clair. Il y a un prix à payer pour la confidentialité, sans parler de la technologie de protection de la vie privée idéale du chiffrement homomorphe complet.

ZAMA vise à améliorer les performances grâce au développement de matériel FHE.

1.4 Directions de recherche technique pour le chiffrement homomorphe complet dans Web3

Web3 est intrinsèquement décentralisé et l'intégration du chiffrement homomorphe complet (FHE) avec Web3 ouvre plusieurs directions de recherche prometteuses:

• Développement de schémas FHE innovants, de compilateurs et de bibliothèques pour rendre le FHE plus convivial, plus rapide et plus adapté aux applications de blockchain.
• Création de matériel FHE pour améliorer les performances de calcul.
• Combinaison du chiffrement homomorphe complet avec des preuves de connaissances nulles (ZKP) pour assurer des calculs privés tout en prouvant que les entrées et sorties respectent des conditions spécifiques ou que les opérations FHE sont correctement exécutées.
• Protéger les nœuds de calcul contre les comportements malveillants, potentiellement en utilisant des solutions comme le restaking EigenLayer.
• Mise en œuvre de schémas de déchiffrement MPC (Calcul multipartite) où les états partagés sont chiffrés et les clés utilisent le sharding MPC, nécessitant un protocole de déchiffrement seuil sécurisé et haute performance.
• Renforcer la couche de disponibilité des données (DA) pour une plus grande capacité, car la configuration actuelle de Celestia ne satisfait pas aux exigences nécessaires.

En résumé, nous considérons le chiffrement homomorphe complet (FHE) comme la prochaine technologie de protection de la vie privée en plein essor. Bien qu'il offre d'excellentes capacités de confidentialité, il reste des défis de performance à surmonter. Avec l'afflux de capital cryptographique, nous anticipons des avancées rapides et une maturité dans cette technologie, similaire aux progrès observés avec les preuves de connaissance nulle (ZK) ces dernières années. Le secteur du FHE vaut certainement notre investissement.

2. Le FHE est utilisé dans divers scénarios de protection de la vie privée dans Web3, parmi lesquels je suis le plus optimiste quant à l'EVM de confidentialité.

FHE appartient à la piste de protection de la vie privée. En termes simples, cela inclut la « protection de la vie privée des transactions » + la « protection de la vie privée de l'IA » + le « coprocesseur de préservation de la vie privée ».

• La protection de la confidentialité des transactions inclut également la finance décentralisée préservant la vie privée, le vote, les enchères, la lutte contre le MEV, etc.
• La protection de la vie privée de l'IA comprend également l'identité décentralisée, ainsi que la protection de la vie privée des autres modèles et données de l'IA.
• Le coprocesseur de protection de la vie privée effectue des opérations de chiffrement homomorphe complet hors chaîne et renvoie finalement les résultats à la chaîne. Il peut être utilisé pour des jeux sans confiance, etc.

Bien sûr, il existe de nombreuses technologies de protection de la vie privée, et vous connaîtrez la particularité du chiffrement homomorphique complet en les comparant.

• TEE est très rapide. Les données sont stockées et calculées en texte clair dans du matériel de confiance, ce qui le rend très rapide. Mais cela dépend du matériel sécurisé. Il fait en réalité confiance au fabricant du matériel plutôt qu'à l'algorithme. Ce modèle de confiance est centralisé. De plus, certaines vérifications de calcul du TEE nécessitent une connexion au fabricant du TEE pour une vérification à distance. Cela n'est pas adapté à l'intégration dans la blockchain pour une vérification sur la chaîne. Parce que nous avons besoin d'une vérification sur la chaîne, seuls les nœuds de données historiques de la blockchain peuvent être réalisés de manière indépendante, sans dépendre d'institutions centralisées externes.
• La calcul sécurisé en multi-parties (MPC) est également une technologie de calcul sécurisé en multi-parties protégeant la vie privée. Cependant, cette technologie nécessite souvent que plusieurs parties soient en ligne en même temps et interagissent fréquemment, ce qui n'est généralement pas adapté aux scénarios asynchrones tels que la blockchain. La MPC est principalement utilisée pour la gestion décentralisée des clés. Dans le portefeuille MPC, la clé privée n'est pas stockée sous forme complète. Au lieu de cela, la clé privée est divisée en plusieurs fragments (ou parties) qui sont stockés sur différents appareils ou nœuds. Seuls lorsque qu'une transaction doit être signée, plusieurs fragments participeront conjointement au calcul à travers le protocole de calcul multi-parties pour générer une signature.
• Les preuves de connaissances zéro ZK sont principalement utilisées pour les preuves de calcul afin de prouver qu'un certain processus de calcul est exécuté correctement, et sont rarement utilisées pour la protection de la vie privée. ZK et la technologie homomorphe sont également inséparables, et la technologie homomorphe est également utilisée dans la partie de protection de la vie privée.
• Le chiffrement homomorphe complet (FHE) ne nécessite pas l'échange de données en cours de route lors du processus de chiffrement et peut être entièrement calculé sur le serveur/noeud. Par conséquent, le calcul multipartite sécurisé (MPC) ne nécessite pas que l'initiateur/les parties multiples soient en ligne et convient mieux à la blockchain. Et par rapport à TEE, il est sans confiance. Le seul inconvénient est que les performances ne sont pas élevées.

Par conséquent, tant que le chiffrement homomorphe complet améliore progressivement ses performances, ses capacités de protection de la vie privée sont plus adaptées à Web3.

En même temps, en termes de protection de la vie privée des transactions, le chiffrement homomorphe complet est également plus adapté pour l'EVM. parce que:

• Les technologies de signature d'anneau et de mélange de devises ne peuvent pas prendre en charge les contrats.
• Pour les projets de protection de la vie privée ZK tels que Aleo, les données privées sont similaires au modèle UTXO, et non au modèle de compte EVM.
• Le chiffrement homomorphe complet peut prendre en charge à la fois les contrats et les modèles de compte et peut être facilement intégré dans l'EVM.

En revanche, un EVM entièrement homomorphique est en effet attrayant.

Les calculs d'IA sont intrinsèquement intensifs en calcul, et l'ajout d'un mode de chiffrement aussi complexe que le chiffrement homomorphe complet peut entraîner une faible performance et des coûts élevés à ce stade. Je pense que la protection de la vie privée de l'IA finira par être une solution hybride de TEE/MPC/ZK/chiffrement semi-homomorphe.

En résumé, le chiffrement homomorphe complet peut être utilisé dans la protection de la vie privée des transactions Web3, la protection de la vie privée de l'IA et le co-processeur de protection de la vie privée. Parmi eux, je suis particulièrement optimiste quant à la protection de la vie privée de l'EVM. Il est plus flexible et plus adapté à l'EVM que la signature d'anneau existante, la technologie de mélange de devises et ZK.

3. La plupart des projets FHE seront lancés sur le Mainnet entre cette année et le premier trimestre de l'année prochaine; Nous croyons que Fhenix est le meilleur projet FHE en dehors de ZAMA

Nous avons évalué plusieurs projets de chiffrement homomorphe complet (FHE) leaders actuellement disponibles. Voici un bref aperçu :

3.1 ZAMA (Outils)

Aperçu : ZAMA fournit des solutions de chiffrement homomorphe complet pour la blockchain et l'IA.

• Outils : TFHE-rs, une implémentation Rust de TFHE.
• Outils : Concrete, un compilateur pour TFHE.
• Produits : Concrete ML, une plateforme d'apprentissage automatique respectueuse de la vie privée.
• Produits : fhEVM, contrats intelligents préservant la vie privée.
• Équipe :
  • CTO et co-fondateur : Pascal Paillier, un cryptographe distingué. Il a obtenu son doctorat de Telecom ParisTech en 1999 et a inventé le cryptosystème Paillier la même année. Il publie des articles sur le chiffrement homomorphique depuis 2013 et est un expert de renommée mondiale dans ce domaine.
  • CEO & Co-Founder: Rand Hindi, qui a terminé son doctorat en bioinformatique à l'UCL en 2011. Il a travaillé sur de nombreux projets de science des données et a conseillé plusieurs projets en parallèle de son travail chez ZAMA.
• Financement: Au cours des quatre dernières années, ZAMA a levé plus de 82 millions de dollars. Leur dernière levée de fonds de série A a sécurisé 73 millions de dollars, dirigée par Multicoin Capital et Protocol Labs.
  • Le 26 septembre 2023, ils ont levé 7 millions de dollars lors d'une levée de fonds en amorçage dirigée par Multicoin Capital, avec la participation de Node Capital, Bankless Ventures, Robot Ventures, Tane Labs, HackVC et Metaplanet.

3.2 Fhenix (EVM + IA)

• Narrative: Coprocesseur FHE / L2 FHE Rollup (Confidentialité compatible EVM L2)
  • Produit : Rollup prend en charge le chiffrement homomorphique complet (FHE) et est un contrat intelligent confidentiel compatible avec l'EVM. Les développeurs utilisent Solidity pour développer des Dapps tout en garantissant la confidentialité des données.
  • Produit : coprocesseur FHE, qui décharge les tâches de calcul chiffrées de la chaîne hôte (qu'il s'agisse d'Ethereum, L2 ou L3) vers l'extérieur de la chaîne. Ils augmentent considérablement l'efficacité des opérations basées sur le chiffrement FHE.
  • Coopération: Coopérer avec Zama, utiliser le fhEVM de ZAMA et la bibliothèque ZAMA sur github est forkée
  • Coopération : Coopérer avec EigenLayer, les nœuds de Rollup doivent être régénérés dans EigenLayer
• Équipe: Guy Itzhaki possède plus de 7 ans d'expérience de travail chez Intel et est directeur du chiffrement homomorphe et du développement commercial de la blockchain chez Intel.
  • Fondateur : Guy Zyskind, doctorant au MIT, MSC au MIT en 2016. A participé à la recherche et au développement du protocole de confidentialité MIT Enigma et possède de solides capacités de recherche et développement.
  • PDG : Guy Itzhaki a 7 ans d'expérience professionnelle chez Intel et possède une très solide expérience dans le domaine de la protection de la vie privée. Il a été directeur du développement commercial du chiffrement homomorphique et de la blockchain chez Intel.
  • Prof. Chris, Peikert, Cryptozoologists pour le chiffrement homomorphe complet. Leader en cryptographie d'Algorand.
• Financement : 1 an, le dernier tour de financement de la série A a permis de lever 15 millions de dollars, dirigé par Hack VC, suivi de Foresight Ventures et d'autres institutions.
  • En mai 2024, la série A a levé 15 millions de dollars, dirigée par Hack VC, suivie de Foresight Ventures et d'autres institutions.
  • Le 26 septembre 2023, Seed Round a levé 7 millions de dollars US, dirigés par Multicoin Capital, avec la participation de Node Capital, Bankless Ventures, Robot Ventures, Tane Labs, HackVC et Metaplanet.
• Feuille de route : Le réseau de test sera lancé au T2 de 2024 et sera lancé au T1 de 2025.
  • Au deuxième trimestre de 2024, le réseau de seuil sera publié.
  • Au troisième trimestre 2024, FHE Co-processor V0.
  • Q1 2025, mainnet
  • 2025 T3, Co-processeur FHE V1.

3.3 Inco (EVM)

• Narratif : Couche informatique de confidentialité modulaire/Soutien à la chaîne EVM
  • Produit: Rollup prend en charge le chiffrement homomorphe complet et est un contrat intelligent confidentiel compatible avec EVM. Les développeurs utilisent Solidity pour développer des Dapps tout en assurant la confidentialité des données.
  • Coopération : Coopérer avec Zama et utiliser le fhEVM de ZAMA
• Équipe : Le fondateur Remi Ga, qui a brièvement travaillé en tant qu'ingénieur logiciel chez Microsoft et Google au début, a travaillé sur le projet DeFi de Parallel Finance
  • Fondateur : Remi Gai, il y a 22 ans, il avait respectivement 6 à 9 mois d'expérience en tant qu'ingénieur logiciel chez Microsoft et Google, puis a travaillé sur des projets de Parallel Finance et DeFi.
  • Chef de la technologie : Amaury A, développeur principal de Cosmos
• Financement : La dernière levée de fonds semée était de 4,5 millions de yuans, dirigée par 1kx
  • En février 2024, Inco Network a réalisé un tour de financement de démarrage de 4,5 millions de dollars, mené par 1kx, avec la participation de Circle Ventures, Robot Ventures, Portal VC, Alliance DAO, Big Brain Holdings, Symbolic, GSR, Polygon Ventures, Daedalus, Matter Labs et Fenbushi.
• Progression : Testnet lancé en mars 2024, mainnet lancé au T4 2024
  • En mars 2024, le réseau de test sera lancé, y compris fhEVM. Il comprend actuellement plusieurs exemples de ERC-20 protégeant la vie privée, de vote privé, de photographie aveugle et de DID privé.
  • Au cours du T2~T3 de 2024, le réseau de test sera lancé, y compris fhEVM
  • Q4 2024, sur le mainnet
  • En 2025, nous prévoyons de mettre en œuvre l'accélération matérielle FPGA, en espérant que le TPS atteindra 100~1000.

3.4 Réseau Cérébral (AI&DePIN)

• Narrative: Protection de la vie privée des données et calcul privé. IA et données DePIN et modèles.
  • Produit : Le récit de 23 ans est Privacy Data Lake, un stockage et un calcul de données préservant la vie privée. Cette année, la protection de la vie privée pour l'IA et les données et modèles DePIN a été ajustée.
  • Coopération : Collaborer avec ZAMA et utiliser la bibliothèque de chiffrement homomorphe complet de ZAMA
  • Coopération : Coopérez avec Fhenix et Inco, utilisez fhEVM pour Rollup
  • Coopération : Coopérer avec Arweave pour stocker des données chiffrées
  • Coopération : Collaborer avec EigenLayer, Babylon, etc. pour servir le restaking de nœuds. Référence : https://mindnetwork.medium.com/fhe-secured-restaking-layer-scaling-security-for-ai-depin-networks-73d5c6e5dda3
• Équipe : George, CTO, était chercheur à l'Université de Cambridge.
  • Co-fondateur et CTO : George était chercheur à l'Université de Cambridge, directeur technique d'une banque multinationale, et possède de nombreuses années d'expérience dans la technologie financière sur Internet.
• Financement : 2 ans, levée de fonds de 2,5 millions de dollars, incubé par Binance Labs
  • Le 20 juin 2023, Seed Round a levé 2,5 millions de dollars américains, dirigés par Binance Labs, avec la participation de HashKey, SevenX, etc.
• RoadMap : Il a été testé sur le réseau de test et dispose actuellement d'une fonction de restake. Le reste de la Roadmap n'a pas encore été annoncé.

3.5 Privasea (IA et DePIN)

• Narratif : Intelligence Artificielle et Calcul de Confidentialité DePIN.
  • Produit : Utiliser le chiffrement homomorphe complet pour entraîner des modèles ML. Portes booléennes optimisées de TFHE.
  • Produit : FaceID, version protégée de la reconnaissance faciale. Utilisé pour la prévention des sorcières et la vérification d'identité (KYC)
  • Coopération : Intégration de BNB Greenfield pour stocker des données chiffrées
• Équipe : CTO Zhuan Cheng, titulaire d'un doctorat en mathématiques de l'Université de Chicago, possède une grande expérience dans la recherche et le développement de technologies cryptographiques.
  • CEO: David Jiao, le projet d'IA a levé 20 millions de yuans, et le projet de blockchain a levé 4 millions de yuans.
  • Le directeur technique Zhuan Cheng, titulaire d’un doctorat en mathématiques à l’Université de Chicago, possède une riche expérience dans la recherche et le développement en cryptographie. Il a précédemment travaillé sur le projet de protection de la vie privée ZK de NuLink.
• Financement : 1 an, Levée de fonds de 5 millions de dollars, incubé par Binance Labs
  • En mars 2024, la ronde de financement semencier a levé 5 millions de dollars américains, a été incubée par Binance Labs, avec la participation de MH Ventures, K300, Gate Labs, 1NVST, etc.
• Feuille de route : Testnet V2 publié en avril 2024, réseau principal Q3 en 2024
  • Janvier 2024, Testnet V1.
  • Avril 2024, Testnet V2.
  • 2024年Q3,TGE.

3.6 Optalysys (Outils)

Narrative : Matériel de chiffrement homomorphique.

D'après les informations ci-dessus, ZAMA fournit à ces projets la bibliothèque open source principale de chiffrement homomorphique complet et est actuellement le pionnier technologique et le joueur le plus fort. Cependant, ZAMA n'a pas encore annoncé de plans pour l'émission de pièces, nous nous sommes donc concentrés sur Fhinex.

Fhinex mettra en œuvre un EVM protégeant la vie privée et des contrats intelligents protégeant la vie privée. Ils prévoient de construire un Fhenix L2, un EVM de confidentialité entièrement homomorphe. Fournir des transactions préservant la vie privée et DeFi, etc. Ce L2 est également équipé d'un réseau de seuil pour effectuer certaines opérations de chiffrement et de déchiffrement ; de plus, Fhenix construira également un coprocesseur FHE, un réseau informatique entièrement homomorphe pouvant servir des chaînes EVM autres que Fhenix et fournir un calcul entièrement homomorphe. Servir.

L’équipe de Fhinex dispose d’une forte force technique. Les membres de l’équipe comprennent non seulement des experts responsables de l’informatique de confidentialité chez Intel, mais aussi des PHD qui ont participé au développement du protocole de confidentialité Enigma au MIT, et le responsable de la cryptographie d’Algorand.

En résumé, nous pensons que des projets de chiffrement homomorphe complet tels que ZAMA et Fhinex peuvent apporter des outils de protection de la vie privée idéaux à la blockchain.

Avertissement :

1. Cet article est repris à partir de [ Recherche prospective]. Transmettez le titre original 'Foresight Ventures: Analyse approfondie de la piste de chiffrement homomorphique complet (FHE)'. Tous les droits d’auteur appartiennent à l’auteur original [Maggie]. Si vous avez des objections à cette reproduction, veuillez contacter le Porte Apprendrel'équipe, et ils s'en occuperont rapidement.
2. Clause de non-responsabilité : Les vues et opinions exprimées dans cet article sont uniquement celles de l'auteur et ne constituent aucun conseil en investissement.
3. Les traductions de l'article dans d'autres langues sont effectuées par l'équipe Gate Learn. Sauf mention contraire, la copie, la distribution ou le plagiat des articles traduits est interdit.