Kali terakhir, kami menganalisis bagaimana teknologi Enkripsi Homomorfik Penuh (FHE) bekerja.

Namun, banyak orang masih bingung antara teknologi enkripsi FHE dengan ZK dan MPC. Oleh karena itu, thread kedua ini berencana untuk membandingkan ketiga teknologi ini secara detail:

FHE vs. ZK vs. MPC

Pertama, mari kita mulai dengan pertanyaan paling dasar:

• Apa ketiga teknologi ini?
• Bagaimana cara kerjanya?
• Bagaimana cara kerja mereka dalam aplikasi blockchain?

1. Bukti Tanpa Pengungkapan (ZK): Menekankan “Bukti Tanpa Pengungkapan”

Zero-Knowledge Proofs (ZK) berfokus pada memverifikasi kebenaran informasi tanpa mengungkapkan rincian spesifik apa pun.

Dibangun di atas fondasi kriptografi yang kuat, ZK memungkinkan Alice untuk membuktikan kepada Bob bahwa dia mengetahui sebuah rahasia tanpa mengungkapkan informasi apa pun tentang rahasia itu sendiri.

Bayangkan sebuah skenario di mana Alice ingin membuktikan kelayakan kreditnya kepada Bob, seorang karyawan rental mobil, tanpa memberikan laporan banknya. Dalam hal ini, "skor kredit" dari bank atau aplikasi pembayarannya bertindak sebagai bukti tanpa pengetahuannya.

Alice membuktikan skor kreditnya yang baik kepada Bob tanpa mengungkapkan detail akunnya, menunjukkan konsep bukti tanpa pengetahuan.

Dalam aplikasi blockchain, ambil contoh dari koin privasi Zcash:

Ketika Alice mengirim dana kepada seseorang, dia ingin tetap anonim sambil membuktikan bahwa dia berhak untuk mentransfer koin-koin tersebut (untuk mencegah pengeluaran ganda). Dia perlu menghasilkan bukti ZK untuk ini.

Bob, si penambang, melihat bukti ini dan dapat menambahkan transaksi ke blockchain tanpa mengetahui identitas Alice (yaitu, dia tidak tahu identitas Alice).

2. Multi-Party Computation (MPC): Menekankan "Cara Menghitung Tanpa Pengungkapan"

Multi-Party Computation (MPC) berfokus pada memungkinkan beberapa peserta untuk menghitung fungsi secara aman bersama-sama tanpa mengungkapkan masukan sensitif mereka.

Teknologi ini memungkinkan beberapa pihak (misalnya, Alice, Bob, dan Carol) untuk secara bersama-sama melakukan tugas komputasi tanpa ada pihak yang mengungkapkan data masukan mereka.

Misalnya, jika Alice, Bob, dan Carol ingin menghitung rata-rata gaji mereka tanpa mengungkapkan gaji individu mereka, bagaimana caranya?

Setiap orang dapat membagi gaji mereka menjadi tiga bagian dan menukarkan dua bagian dengan yang lain. Kemudian mereka menambahkan angka yang diterima dan berbagi jumlahnya.

Akhirnya, mereka menggabungkan ketiga jumlah tersebut untuk menemukan total dan menghitung rata-rata, tanpa ada yang mengetahui gaji tepat orang lain.

Di industri kripto, dompet MPC menggunakan teknologi ini.

Sebagai contoh, dalam dompet MPC sederhana yang diluncurkan oleh Binance atau Bybit, pengguna tidak perlu lagi menyimpan 12 frasa mnemonik. Sebaliknya, kunci pribadi dibagi menjadi 2/2 bagian tanda tangan ganda: satu bagian di ponsel pengguna, satu bagian di cloud, dan satu bagian dengan bursa.

Jika seorang pengguna kehilangan ponsel mereka, awan dan bursa dapat memulihkan dompet.

Untuk keamanan yang lebih tinggi, beberapa wallet MPC dapat mendukung inklusi lebih banyak pihak ketiga untuk melindungi pecahan kunci pribadi.

Dengan demikian, berdasarkan kriptografi MPC, beberapa pihak dapat menggunakan kunci pribadi secara aman tanpa perlu saling percaya.

3. Enkripsi Homomorfik Penuh (FHE): Menekankan "Bagaimana Mengenkripsi untuk Pengalihan Tugas"

Seperti yang saya sebutkan dalam thread sebelumnya, Enkripsi Homomorfik Penuh (FHE) diterapkan pada skenario di mana data sensitif perlu dienkripsi sedemikian rupa sehingga dapat diproses oleh pihak ketiga yang tidak dapat dipercaya sambil memastikan bahwa hanya pemilik data yang dapat mendekripsi hasil akhir.

Tautan thread sebelumnya: https://x.com/0x_Todd/status/1810989860620226900

Sebagai contoh, Alice kekurangan daya komputasi dan mengandalkan Bob untuk komputasi tetapi tidak ingin mengungkapkan data mentah kepada Bob. Jadi, dia mengenkripsi data asli dengan noise (menggunakan penambahan/perkalian homomorfik), memanfaatkan daya komputasi Bob untuk memproses data terenkripsi, dan kemudian mendekripsi hasilnya sendiri. Bob tetap tidak mengetahui konten sebenarnya.

Bayangkan memproses data sensitif seperti catatan medis atau informasi keuangan pribadi dalam lingkungan komputasi awan. FHE sangat penting di sini karena memungkinkan data tetap terenkripsi selama proses, melindungi keamanan data dan mematuhi regulasi privasi.

Sebelumnya, kami fokus pada mengapa industri AI membutuhkan FHE. Sekarang, mari kita jelajahi aplikasi FHE dalam industri kripto.

Misalnya, ada sebuah proyek yang disebut Jaringan Mind (MPC)@mindnetwork_xyz) yang menerima Hibah Ethereum dan merupakan bagian dari Binance Incubator. Ini mengatasi masalah yang melekat dalam mekanisme Proof of Stake (PoS):

Dalam protokol PoS seperti Ethereum, dengan lebih dari 1 juta validator, tidak ada masalah yang berarti. Namun, proyek-proyek kecil menghadapi masalah karena penambang cenderung malas.

Mengapa begitu? Secara teori, node seharusnya dengan tekun memverifikasi kevalidan setiap transaksi. Namun, dalam protokol PoS yang lebih kecil dengan sedikit node dan banyak “node besar,” beberapa node PoS kecil mungkin menemukan lebih mudah untuk menyalin hasil dari node besar daripada melakukan pekerjaan sendiri.

Ini tanpa ragu-ragu mengarah pada sentralisasi yang signifikan.

Selain itu, skenario pemungutan suara menunjukkan perilaku "mengikuti" yang serupa.

Sebagai contoh, dalam pemungutan suara MakerDAO, A16Z memegang sejumlah besar token MKR, yang seringkali menentukan hasil dari protokol. Setelah A16Z memberikan suaranya, pemegang token kecil tidak punya pilihan selain mengikuti atau menahan diri, yang tidak mencerminkan pendapat publik yang sebenarnya.

Jadi, Mind Network memanfaatkan teknologi FHE:

Node PoS dapat menyelesaikan validasi blok menggunakan kekuatan mesin tanpa mengetahui jawaban satu sama lain, mencegah node PoS menyalin pekerjaan satu sama lain.

atau

Izinkan pemilih untuk menghitung hasil pemungutan suara melalui platform pemungutan suara tanpa mengetahui niat memilih satu sama lain, mencegah pemungutan suara lanjutan.

Ini adalah salah satu aplikasi penting dari FHE dalam blockchain.

Oleh karena itu, untuk mencapai fungsionalitas ini, Mind juga perlu merekonstruksi protokol re-staking. Karena EigenLayer itu sendiri akan menyediakan layanan "node yang dioutsourcing" untuk beberapa blockchain kecil di masa depan, menggabungkannya dengan FHE dapat signifikan meningkatkan keamanan jaringan PoS atau pemilihan.

Untuk menggunakan analogi yang kurang sempurna, blockchain kecil yang memperkenalkan Eigen+Mind agak seperti negara kecil yang membawa pasukan asing untuk mengelola urusan internal yang tidak dapat mereka tangani sendiri.

Ini mewakili salah satu perbedaan kunci untuk Mind di ruang PoS / Re-staking dibandingkan dengan Renzo dan Puffer. Jaringan Mind, yang mulai lebih lambat dari Renzo dan Puffer, baru-baru ini meluncurkan mainnet-nya, dan tidak seintens selama musim Re-taking.

Tentu saja, Mind Network juga menyediakan layanan di sektor AI, seperti menggunakan teknologi FHE untuk mengenkripsi data yang diberikan ke AI, memungkinkan AI untuk belajar dan memproses data ini tanpa mengetahui data asli. Kasus khas termasuk kerjasama dengan subnet Bittensor.

Kesimpulan

Meskipun ZK (Zero-Knowledge Proof), MPC (Multi-Party Computation), dan FHE (Fully Homomorphic Encryption) adalah teknologi enkripsi canggih yang dirancang untuk melindungi privasi dan keamanan data, mereka berbeda dalam skenario aplikasi dan kompleksitas teknis:

Skenario Aplikasi:

ZK (Zero-Knowledge Proof): Berfokus pada "cara membuktikan." Ini menyediakan cara bagi satu pihak untuk membuktikan kepada pihak lain bahwa informasi tertentu benar tanpa mengungkapkan informasi tambahan apa pun. Teknologi ini sangat berguna saat memverifikasi izin atau identitas.

MPC (Multi-Party Computation): Berfokus pada 'bagaimana menghitung.' Ini memungkinkan beberapa peserta untuk melakukan komputasi bersama tanpa mengungkapkan input individu mereka. Ini berguna dalam skenario di mana kerja sama data diperlukan sambil melindungi privasi data setiap pihak, seperti dalam analisis data lintas lembaga dan audit keuangan.

FHE (Fully Homomorphic Encryption): Berfokus pada 'bagaimana melakukan enkripsi.' Ini memungkinkan untuk mendelegasikan komputasi kompleks sambil menjaga data terenkripsi sepanjang waktu. Hal ini terutama penting untuk layanan komputasi awan/AI, memungkinkan pengguna untuk memproses data sensitif secara aman di lingkungan awan.

Kompleksitas Teknis:

ZK (Bukti Pengetahuan Nol): Meskipun secara teoritis sangat kuat, merancang protokol bukti pengetahuan nol yang efektif dan mudah diimplementasikan dapat sangat kompleks, membutuhkan keterampilan matematika dan pemrograman yang mendalam, seperti memahami berbagai 'rangkaian' yang seringkali tidak dapat dimengerti oleh kebanyakan orang.

MPC (Multi-Party Computation): Melaksanakan MPC memerlukan penyelesaian masalah sinkronisasi dan efisiensi komunikasi. Terutama ketika ada banyak peserta, biaya koordinasi dan beban komputasi bisa sangat tinggi.

FHE (Fully Homomorphic Encryption): FHE menghadapi tantangan signifikan dalam efisiensi komputasi. Algoritma enkripsi cukup kompleks, dengan model praktis baru tersedia pada tahun 2009. Meskipun memiliki daya tarik teoritis, kompleksitas komputasi yang tinggi dan biaya waktu dalam aplikasi sebenarnya tetap menjadi hambatan utama.

Sejujurnya, keamanan data dan perlindungan privasi pribadi yang kita andalkan menghadapi tantangan yang belum pernah terjadi sebelumnya. Bayangkan jika kita tidak memiliki teknologi enkripsi - pesan teks kita, rincian pengiriman makanan, dan informasi belanja online akan terbuka sepenuhnya, seperti rumah tanpa kunci di mana siapa pun dapat masuk dengan bebas.

Saya harap ini membantu mereka yang bingung tentang tiga konsep ini untuk dengan jelas membedakan teknologi kriptografi teratas ini.

Disclaimer:

1. Artikel ini dicetak ulang dari [0xTodd]. Semua hak cipta milik penulis asli [0xTodd]. Jika ada keberatan terhadap cetak ulang ini, silakan hubungi Gerbang Belajartim, dan mereka akan segera menanganinya.
2. Penyangkalan Tanggung Jawab: Pendapat dan pandangan yang terdapat dalam artikel ini semata-mata merupakan pendapat penulis dan tidak merupakan saran investasi apapun.
3. Penerjemahan artikel ke bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, menyalin, mendistribusikan, atau menjiplak artikel yang diterjemahkan dilarang.