Teruskan Judul Asli 'Panduan Komprehensif untuk Enkripsi Homomorfik Penuh (FHE)'

TLDR:

• Enkripsi Homomorphic Penuh (FHE) adalah teknologi perlindungan privasi generasi berikutnya yang akan muncul dan layak untuk investasi kita. FHE memiliki kemampuan perlindungan privasi yang ideal, tetapi masih ada kesenjangan kinerja. Kami percaya bahwa dengan masuknya modal kripto, pengembangan dan kematangan teknologi akan sangat dipercepat, seperti perkembangan pesat ZK dalam beberapa tahun terakhir.
• Enkripsi Homomorphic Penuh dapat digunakan di Web3 untuk perlindungan privasi transaksi, perlindungan privasi AI, dan koprocesor perlindungan privasi. Di antaranya, saya khususnya menyukai EVM yang dilindungi privasinya, yang lebih fleksibel dan lebih cocok untuk EVM daripada tanda tangan lingkaran yang ada, teknologi pencampuran koin, dan ZK.
• Kami telah meneliti beberapa proyek FHE yang luar biasa, sebagian besar akan diluncurkan di mainnet mulai dari tahun ini hingga kuartal pertama tahun depan. Di antara proyek-proyek ini, ZAMA memiliki teknologi terkuat tetapi belum mengumumkan rencana untuk menerbitkan token. Selain itu, kami menganggap Fhenix sebagai proyek FHE terbaik di antara mereka.

1. FHE adalah teknologi perlindungan privasi yang ideal

1.1 Peran FHE

Fully Homomorphic Encryption (FHE) adalah bentuk enkripsi yang memungkinkan orang untuk melakukan sejumlah penambahan dan perkalian pada ciphertext untuk mendapatkan hasil yang masih dienkripsi. Ketika didekripsi, hasilnya sama seperti jika operasi telah dilakukan pada plaintext. Ini mencapai data "dapat dihitung tetapi tidak terlihat".

Fully homomorphic sangat cocok untuk komputasi yang dioutsourcing. Anda dapat mengoutsourcing data ke kekuatan komputasi eksternal tanpa khawatir tentang kebocoran data.

Dalam istilah awam, misalnya, Anda menjalankan perusahaan, dan data perusahaan sangat berharga. Anda ingin menggunakan layanan cloud yang berguna untuk memproses dan menghitung data ini, tetapi Anda khawatir tentang kebocoran data di cloud. Lalu Anda bisa:

1. Ubah data menjadi ciphertext melalui enkripsi homomorfik sepenuhnya dan kemudian mengunggahnya ke server cloud. Misalnya, angka 5 dan 10 pada gambar di atas akan dienkripsi menjadi ciphertext dan diekspresikan sebagai “X” dan “YZ”.
2. Ketika Anda perlu melakukan operasi pada data, misalnya, jika Anda ingin menambahkan dua angka 5 dan 10, Anda hanya perlu membiarkan teks terenkripsi "X" dan "YZ" di server cloud melakukan operasi + plaintext yang sesuai dengan algoritma yang ditentukan. Suatu operasi tertentu menghasilkan hasil teks terenkripsi "PDQ".
3. Setelah hasil sandi teks diunduh dari server cloud, itu didekripsi untuk mendapatkan teks biasa. Anda akan menemukan bahwa hasil teks biasa adalah hasil operasi dari 5 + 10.

Teks biasa hanya muncul bagi Anda, sementara semua yang disimpan dan dihitung di server cloud adalah data sandi. Dengan cara ini, Anda tidak perlu khawatir tentang kebocoran data. Pendekatan pelestarian privasi ini ideal.

• Enkripsi semi-homomorfik: Semi-homomorfik lebih mudah dan lebih praktis. Semi-homomorfik berarti ciphertext hanya memiliki satu sifat homomorfik, seperti homomorfik penjumlahan/homomorfik perkalian.
• Sekitar homomorfik: Memungkinkan kita untuk menghitung penambahan dan perkalian pada teks sandi pada saat yang sama, tetapi jumlah kali yang didukung sangat terbatas.
• Enkripsi homomorfik seri terbatas: Memungkinkan kita untuk melakukan kombinasi penjumlahan dan perkalian pada teks sandi, tanpa batasan jumlah kali. Namun, ada batas atas kompleksitas baru yang membatasi kompleksitas fungsi.
• Enkripsi homomorfik penuh: Perlu mendukung operasi penambahan dan perkalian sebanyak apapun, tanpa batasan kompleksitas dan jumlah kali.

Enkripsi homomorfik penuh adalah yang paling sulit dan ideal di sini, dan disebut sebagai “Holy Grail of cryptography”.

1.2 Sejarah

Enkripsi homomorfik penuh memiliki sejarah yang panjang

• 1978: Konsep enkripsi homomorfik penuh diusulkan.
• Tahun 2009 (Generasi pertama): Skema fully homomorphic pertama kali diusulkan.
• tahun 2011 (Generasi kedua): Skema homomorfik penuh berdasarkan bilangan bulat diusulkan. Ia lebih sederhana daripada solusi sebelumnya, tetapi efisiensinya tidak ditingkatkan.
• tahun 2013 (generasi ketiga): Teknologi baru GSW diusulkan untuk membangun solusi FTE yang lebih efisien dan aman. Teknologi ini kemudian ditingkatkan dan FHEW dan TFHE dikembangkan, yang lebih meningkatkan efisiensi.
• 2016 (Generasi keempat): Skema enkripsi yang hampir homomorfik CKKS diusulkan, yang merupakan metode paling efektif untuk mengevaluasi aproksimasi polinom dan sangat cocok untuk aplikasi pembelajaran mesin yang menjaga privasi.

Algoritma yang saat ini didukung oleh perpustakaan enkripsi homomorfik yang umum digunakan adalah algoritma generasi ketiga dan keempat. Inovasi algoritma, optimisasi teknik, Blockchain yang lebih ramah, dan percepatan perangkat keras mudah muncul dengan masuknya modal.

1.3 Kinerja dan ketersediaan saat ini

Pustaka enkripsi homomorfik yang umum digunakan:

Kinerja ZAMA TFHE:

Sebagai contoh: penambahan dan pengurangan 256-bit ZAMA TFHE memerlukan sekitar 200ms, dan perhitungan teks biasa memerlukan waktu sekitar puluhan hingga ratusan nanodetik. Kecepatan perhitungan FHE sekitar 10^6 kali lebih lambat daripada perhitungan teks biasa. Operasi yang sebagian dioptimalkan sekitar 1000 kali lebih lambat daripada teks biasa. Tentu saja, tidak adil secara intrinsik untuk membandingkan perhitungan sandi dengan perhitungan teks biasa. Ada harga yang harus dibayar untuk privasi, apalagi teknologi perlindungan privasi ideal dari fully homomorphism.

ZAMA bertujuan untuk meningkatkan kinerja melalui pengembangan perangkat keras FHE.

1.4 Arah Penelitian Teknis untuk FHE dalam Web3

Web3 secara inheren terdesentralisasi, dan mengintegrasikan Enkripsi Homomorphic Penuh (FHE) dengan Web3 membuka beberapa arah penelitian yang menjanjikan:

• Mengembangkan skema, kompilator, dan perpustakaan FHE inovatif untuk membuat FHE lebih ramah pengguna, lebih cepat, dan lebih cocok untuk aplikasi blockchain.
• Membuat perangkat keras FHE untuk meningkatkan kinerja komputasi.
• Menggabungkan FHE dengan Zero-Knowledge Proofs (ZKP) untuk memastikan komputasi yang pribadi sambil membuktikan bahwa masukan dan keluaran memenuhi kondisi tertentu atau bahwa operasi FHE dieksekusi dengan benar.
• Melindungi node komputasi dari perilaku jahat, mungkin menggunakan solusi seperti restaking EigenLayer.
• Menerapkan skema dekripsi MPC (Perhitungan Multi-Pihak) di mana status bersama dienkripsi dan kunci menggunakan penguncian MPC, memerlukan protokol dekripsi ambang yang aman dan berkinerja tinggi.
• Meningkatkan lapisan ketersediaan data (DA) untuk throughput yang lebih tinggi, karena setup Celestia saat ini tidak memenuhi persyaratan yang diperlukan.

Secara ringkas, kami melihat Enkripsi Homomorfik Penuh (FHE) sebagai teknologi perlindungan privasi generasi berikutnya yang sedang meningkat. Meskipun menawarkan kemampuan privasi yang sangat baik, masih ada tantangan kinerja yang harus diatasi. Dengan masuknya modal kripto, kami mengantisipasi kemajuan dan kematangan teknologi ini dengan cepat, mirip dengan kemajuan yang terlihat dengan Bukti Tanpa Pengetahuan (ZK) dalam beberapa tahun terakhir. Sektor FHE tentu layak untuk investasi kami.

2. FHE digunakan dalam berbagai skenario perlindungan privasi di Web3, di antaranya saya paling optimis tentang EVM privasi.

FHE termasuk dalam jalur perlindungan privasi. Singkatnya, itu mencakup “Perlindungan privasi transaksi”+“Perlindungan privasi AI”+ “Koprosesor Pemeliharaan Privasi”.

• Perlindungan privasi transaksi juga termasuk Defi yang melindungi privasi, pemungutan suara, penawaran, anti-MEV, dll.
• Perlindungan privasi AI juga mencakup identitas terdesentralisasi, serta perlindungan privasi model AI dan data lainnya.
• Koprocesor perlindungan privasi melakukan operasi sandi teks homomorfik penuh di luar rantai dan akhirnya mengembalikan hasilnya ke rantai. Ini dapat digunakan untuk permainan Trustless, dll.

Tentu saja, ada banyak teknologi perlindungan privasi, dan Anda akan mengetahui kekhasan FHE dengan membandingkannya.

• TEE sangat cepat. Data disimpan dan dihitung dalam teks biasa di perangkat keras terpercaya, sehingga sangat cepat. Namun, ini bergantung pada perangkat keras yang aman. Faktanya, ini mempercayai produsen perangkat keras daripada algoritma. Model kepercayaan ini terpusat. Dan beberapa verifikasi perhitungan TEE memerlukan koneksi ke produsen TEE untuk verifikasi jarak jauh. Ini tidak cocok untuk integrasi ke dalam blockchain untuk verifikasi on-chain. Karena kami membutuhkan verifikasi on-chain, hanya simpul data historis dari blockchain yang dapat diselesaikan secara independen, dan tidak boleh bergantung pada lembaga terpusat eksternal.
• Penghitungan multi-pihak yang aman (MPC) juga merupakan teknologi penghitungan multi-pihak yang melindungi privasi. Namun, teknologi ini sering memerlukan beberapa pihak untuk online pada saat yang sama dan berinteraksi secara rutin, dan biasanya tidak cocok untuk skenario asinkron seperti blockchain. MPC sebagian besar digunakan untuk manajemen kunci terdesentralisasi. Di dompet MPC, kunci privat tidak disimpan dalam bentuk lengkap di mana pun. Sebaliknya, kunci privat dipecah menjadi beberapa shard (atau bagian) yang disimpan di perangkat atau node yang berbeda. Hanya ketika transaksi perlu ditandatangani, beberapa shard akan bersama-sama berpartisipasi dalam perhitungan melalui protokol perhitungan multi-pihak untuk menghasilkan tanda tangan.
• Bukti nol pengetahuan ZK sebagian besar digunakan untuk bukti perhitungan untuk membuktikan bahwa proses perhitungan tertentu dieksekusi dengan benar, dan jarang digunakan untuk perlindungan privasi. ZK dan teknologi homomorfik juga tak terpisahkan, dan teknologi homomorfik juga digunakan dalam bagian perlindungan privasi.
• Enkripsi homomorfik penuh (FHE) tidak memerlukan pertukaran data di tengah proses operasi ciphertext dan dapat dihitung sepenuhnya di server/node. Oleh karena itu, MPC tidak memerlukan inisiator/beberapa pihak untuk online dan lebih cocok untuk blockchain. Dan dibandingkan dengan TEE, ini adalah Trustless. Satu-satunya kekurangannya adalah kinerjanya tidak tinggi.

Oleh karena itu, selama FHE secara bertahap meningkatkan kinerjanya, kemampuan perlindungan privasinya lebih cocok untuk Web3.

Pada saat yang sama, dalam hal perlindungan privasi transaksi, enkripsi homomorfik penuh juga lebih cocok untuk EVM. karena:

• Tanda tangan cincin dan teknologi pencampuran mata uang tidak dapat mendukung kontrak.
• Untuk proyek perlindungan privasi ZK seperti Aleo, data pribadi mirip dengan model UTXO, bukan model akun EVM.
• Enkripsi homomorfik penuh dapat mendukung baik model kontrak maupun model akun, dan dapat dengan mudah diintegrasikan ke dalam EVM.

Sebaliknya, EVM yang sepenuhnya homomorfik memang menarik.

Perhitungan AI secara inheren membutuhkan komputasi intensif, dan menambahkan mode enkripsi sekompleks enkripsi homomorfik penuh dapat mengakibatkan kinerja rendah dan biaya tinggi pada tahap ini. Saya pikir perlindungan privasi AI pada akhirnya akan menjadi solusi hibrida dari TEE/MPC/ZK/enkripsi semi-homomorfik.

Secara ringkas, enkripsi homomorfik penuh dapat digunakan dalam perlindungan privasi Web3Transaction, perlindungan privasi AI, dan koprotesor perlindungan privasi. Di antaranya, saya sangat optimis tentang EVM perlindungan privasi. Ini lebih fleksibel dan lebih cocok untuk EVM daripada tanda tangan lingkaran yang ada, teknologi pencampuran mata uang, dan ZK.

3. Sebagian Besar Proyek FHE Akan Diluncurkan di Mainnet Antara Tahun Ini dan Kuartal Pertama Tahun Depan; Kami Percaya Fhenix Adalah Proyek FHE Terbaik Selain ZAMA

Kami telah mengevaluasi beberapa proyek Enkripsi Homomorphic Lengkap (FHE) terkemuka yang saat ini tersedia. Berikut adalah gambaran singkat:

3.1 ZAMA (Alat)

Gambaran: ZAMA menyediakan solusi Enkripsi Homomorfik Penuh untuk blockchain dan kecerdasan buatan.

• Alat: TFHE-rs, implementasi Rust dari TFHE.
• Alat: Beton, sebuah compiler untuk TFHE.
• Produk: Concrete ML, sebuah platform pembelajaran mesin yang menjaga privasi.
• Produk: fhEVM, kontrak pintar yang menjaga privasi.
• Tim:
  • CTO & Co-Founder: Pascal Paillier, seorang ahli kriptografi terkemuka. Ia meraih gelar PhD dari Telecom ParisTech pada tahun 1999 dan menciptakan sistem kriptografi Paillier pada tahun yang sama. Sejak tahun 2013, ia telah menerbitkan makalah tentang enkripsi homomorfik dan menjadi pakar terkemuka di bidang ini.
  • CEO & Co-Founder: Rand Hindi, yang menyelesaikan PhD-nya dalam Bioinformatika di UCL pada tahun 2011. Dia telah bekerja pada sejumlah proyek ilmu data dan telah memberikan saran untuk beberapa proyek seiring dengan pekerjaannya di ZAMA.
• Pendanaan: Selama empat tahun terakhir, ZAMA telah mengumpulkan lebih dari $82 juta. Putaran Seri A terbaru mereka berhasil mengamankan $73 juta, dipimpin oleh Multicoin Capital dan Protocol Labs.
  • Pada tanggal 26 September 2023, mereka mengumpulkan $7 juta dalam Seri Pendanaan yang dipimpin oleh Multicoin Capital, dengan partisipasi dari Node Capital, Bankless Ventures, Robot Ventures, Tane Labs, HackVC, dan Metaplanet.

3.2 Fhenix (EVM + AI)

• Narratif: Coprosesor FHE/L2 FHE Rollup (Privasi L2 yang Kompatibel dengan EVM)
  • Produk: Rollup mendukung FHE dan merupakan kontrak pintar rahasia yang kompatibel dengan EVM. Pengembang menggunakan Solidity untuk mengembangkan Dapps sambil memastikan privasi data.
  • Produk: coprocessor FHE, yang memindahkan tugas komputasi terenkripsi dari rantai host (apakah itu Ethereum, L2, atau L3) ke luar rantai. Mereka sangat meningkatkan efisiensi operasi berbasis FHE.
  • Kerjasama: Bekerjasama dengan Zama, gunakan fhEVM ZAMA, dan perpustakaan ZAMA di github di-fork
  • Kerjasama: Bekerja sama dengan EigenLayer, node-node Rollup perlu diregenerasi di EigenLayer
• Tim: Guy Itzhaki memiliki pengalaman kerja lebih dari 7 tahun di Intel dan menjabat sebagai Direktur Enkripsi Homomorphic dan Pengembangan Bisnis Blockchain Intel.
  • Pendiri: Guy Zyskind, kandidat PhD di MIT, MSC di MIT pada tahun 2016. Berpartisipasi dalam penelitian dan pengembangan protokol privasi MIT Enigma dan memiliki kemampuan penelitian dan pengembangan yang kuat.
  • CEO: Guy Itzhaki memiliki pengalaman kerja selama 7 tahun di Intel dan memiliki pengalaman yang sangat kuat di bidang perlindungan privasi. Menjabat sebagai Direktur Pengembangan Bisnis Enkripsi Homomorfik dan Blockchain Intel.
  • Prof. Chris, Peikert, Cryptozoologists untuk fully homomorphic encryption. Pemimpin kriptografi Algorand.
• Pembiayaan: 1 tahun, putaran Seri A terbaru mengumpulkan 15 juta, dipimpin oleh Hack VC, diikuti oleh Foresight Ventures dan lembaga lainnya.
  • Pada Mei 2024, Seri A berhasil mengumpulkan $15 juta, dipimpin oleh Hack VC, diikuti oleh Foresight Ventures dan lembaga lainnya.
  • Pada tanggal 26 September 2023, Seed Round mengumpulkan US$7 juta, dipimpin oleh Multicoin Capital, dengan partisipasi dari Node Capital, Bankless Ventures, Robot Ventures, Tane Labs, HackVC, dan Metaplanet.
• Roadmap: Jaringan uji coba akan dirilis pada Q2 tahun 2024 dan akan diluncurkan pada Q1 tahun 2025.
  • Pada Q2 tahun 2024, jaringan ambang akan dirilis.
  • Q3 2024, FHE Co-processor V0.
  • Q1 2025, mainnet
  • Pada Q3 2025, FHE Co-processor V1.

3.3 Inco (EVM)

• Naratif: Lapisan Komputasi Privasi Modular/Dukungan Rantai EVM
  • Produk: Rollup mendukung FHE dan merupakan kontrak pintar rahasia yang kompatibel dengan EVM. Pengembang menggunakan Solidity untuk mengembangkan Dapps sambil memastikan privasi data.
  • Kerja sama: Bekerjasama dengan Zama dan menggunakan fhEVM ZAMA
• Tim: Pendiri Remi Ga, yang singkat bekerja sebagai insinyur perangkat lunak di Microsoft dan Google pada awalnya, dan bekerja pada proyek DeFi Parallel Finance
  • Pendiri: Remi Gai, 22 tahun yang lalu, ia memiliki pengalaman selama 6 hingga 9 bulan sebagai insinyur perangkat lunak di Microsoft dan Google secara berturut-turut, dan kemudian bekerja pada proyek Parallel Finance dan DeFi.
  • Pimpinan teknologi: Amaury A, pengembang inti Cosmos
• Pembiayaan: Putaran pendanaan awal terbaru adalah 4,5 juta yuan, dipimpin oleh 1kx
  • Pada Februari 2024, Jaringan Inco menyelesaikan putaran pendanaan awal sebesar US$4,5 juta, dipimpin oleh 1kx, dengan partisipasi dari Circle Ventures, Robot Ventures, Portal VC, Alliance DAO, Big Brain Holdings, Symbolic, GSR, Polygon Ventures, Daedalus, Matter Labs, dan Fenbushi.
• Kemajuan: Testnet diluncurkan pada Maret 2024, mainnet diluncurkan pada kuartal keempat 2024
  • Pada Maret 2024, jaringan uji akan diluncurkan termasuk fhEVM. Saat ini termasuk beberapa contoh ERC-20 yang melindungi privasi, pemungutan suara yang melindungi privasi, fotografi buta, dan DID yang melindungi privasi.
  • Pada Q2~Q3 tahun 2024, jaringan uji akan diluncurkan termasuk fhEVM
  • Q4 2024, di mainnet
  • Pada tahun 2025, kami berencana untuk menerapkan akselerasi perangkat keras FPGA, berharap bahwa TPS akan mencapai 100~1000.

3.4 Jaringan Pikiran (AI&DePIN)

• Naratif: Perlindungan privasi data dan komputasi pribadi. AI dan DePIN data dan model.
  • Produk: Narasi selama 23 tahun adalah Privacy Data Lake, penyimpanan data yang menjaga privasi dan komputasi. Tahun ini, perlindungan privasi untuk AI dan data DePIN serta model telah disesuaikan.
  • Kerjasama: Berkerjasama dengan ZAMA dan menggunakan perpustakaan enkripsi homomorfik penuh ZAMA
  • Kerjasama: Bekerjasama dengan Fhenix dan Inco, menggunakan fhEVM untuk Rollup
  • Kerjasama: Berkerjasama dengan Arweave untuk menyimpan data yang dienkripsi
  • Kerjasama: Bekerjasama dengan EigenLayer, Babylon, dll. untuk melayani restaking node. Referensi: https://mindnetwork.medium.com/fhe-secured-restaking-layer-scaling-security-for-ai-depin-networks-73d5c6e5dda3
• Tim: CTO George adalah seorang peneliti di Universitas Cambridge.
  • Co-founder & CTO: George adalah seorang peneliti di Universitas Cambridge, seorang direktur teknis di bank multinasional, dan memiliki pengalaman bertahun-tahun dalam teknologi keuangan Internet.
• Pembiayaan: 2 tahun, Dana Awal terkumpul 2,5 juta, diinkubasi oleh Binance Labs
  • Pada tanggal 20 Juni 2023, Seed Round berhasil mengumpulkan US$2,5 juta, dipimpin oleh Binance Labs, dengan partisipasi dari HashKey, SevenX, dll.
• RoadMap: Ini telah berada di jaringan uji coba dan saat ini memiliki fungsi restake. Sisa Roadmap belum diumumkan.

3.5 Privasea (AI&DePIN)

• Naratif: Kecerdasan Buatan dan Komputasi Privasi DePIN.
  • Produk: Gunakan FHE untuk melatih model ML. Gerbang Boolean TFHE yang dioptimalkan.
  • Produk: FaceID, versi pengenalan wajah yang dilindungi privasi. Digunakan untuk pencegahan penyihir dan KYC
  • Kerjasama: Mengintegrasikan BNB Greenfield untuk menyimpan data terenkripsi
• Tim: CTO Zhuan Cheng, PhD dalam matematika dari University of Chicago, memiliki pengalaman yang kaya dalam penelitian dan pengembangan teknologi kriptografi.
  • CEO: David Jiao, proyek AI telah berhasil mengumpulkan 20 juta yuan, dan proyek blockchain telah berhasil mengumpulkan 4 juta yuan.
  • CTO Zhuan Cheng, PhD dalam Matematika di Universitas Chicago, memiliki pengalaman yang kaya dalam penelitian dan pengembangan kriptografi. Dia sebelumnya bekerja pada proyek perlindungan privasi ZK NuLink.
• Pembiayaan: 1 tahun, Dana Awal sebesar 5 juta, diinkubasi oleh Binance Labs
  • Pada Maret 2024, Seed Round mengumpulkan US$5 juta, diinkubasi oleh Binance Labs, dengan partisipasi dari MH Ventures, K300, Gate Labs, 1NVST, dll.
• RoadMap: Testnet V2 dirilis pada April 2024, mainnet Q3 pada 2024
  • Januari 2024, Testnet V1.
  • April 2024, Testnet V2.
  • Q3 2024, TGE.

3.6 Optalysys (Alat)

Narratif: Enkripsi homomorfik perangkat keras.

Dilihat dari informasi di atas, ZAMA menyediakan proyek-proyek ini dengan perpustakaan sumber terbuka inti enkripsi homomorfik penuh, dan saat ini merupakan pionir teknologi yang pantas diakui dan pemain terkuat. Namun, ZAMA belum mengumumkan rencana untuk mengeluarkan koin, jadi kami fokus pada Fhinex.

Fhinex akan menerapkan EVM yang melindungi privasi dan kontrak pintar yang melindungi privasi. Mereka berencana membangun Fhenix L2, sebuah EVM privasi homomorfik penuh. Memberikan transaksi yang menjaga privasi dan DeFi, dll. L2 ini juga dilengkapi dengan jaringan ambang untuk melakukan beberapa operasi enkripsi dan dekripsi; selain itu, Fhenix juga akan membangun sebuah FHE co-processor, jaringan komputasi homomorfik penuh yang dapat melayani rantai EVM selain Fhenix dan menyediakan komputasi homomorfik penuh. Melayani.

Tim Fhinex memiliki kekuatan teknis yang kuat. Anggota tim meliputi ahli yang bertanggung jawab untuk komputasi privasi di Intel, juga PHD yang ikut serta dalam pengembangan protokol privasi Enigma di MIT, dan pemimpin kriptografi Algorand.

Singkatnya, kami percaya bahwa proyek enkripsi homomorfik penuh seperti ZAMA dan Fhinex dapat membawa alat perlindungan privasi yang ideal ke blockchain.

Disclaimer：

1. Artikel ini dicetak ulang dari [ Riset Foresight]. Teruskan Judul Asli 'Foresight Ventures: Analisis Mendalam Jalur FHE (Enkripsi Homomorfik Penuh)’. Semua hak cipta adalah milik penulis asli [Maggie]. Jika ada keberatan terhadap cetakan ulang ini, silakan hubungi Pintu Belajartim, dan mereka akan menanganinya dengan segera.
2. Penafian Kewajiban: Pandangan dan pendapat yang diungkapkan dalam artikel ini semata-mata milik penulis dan bukan merupakan saran investasi.
3. Terjemahan artikel ke bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, menyalin, mendistribusikan, atau melakukan plagiarisme pada artikel yang diterjemahkan dilarang.