Pengenalan

Setelah booming Zero-Knowledge (ZK) pada tahun 2022, aplikasi teknologi privasi telah membuat kemajuan yang signifikan, dengan ekosistem ZK mencapai terobosan dalam bidang seperti EVM, DeFi, dan DID. Dengan siklus kriptografi baru muncul, pertanyaannya muncul: apakah FHE akan menjadi teknologi privasi utama berikutnya? Selama setahun terakhir, Fully Homomorphic Encryption (FHE) telah menarik minat yang meningkat dari modal ventura teratas, dengan Zama sebagai contoh utama. Artikel ini menjelajahi pertumbuhan FHE, membandingkannya dengan teknologi privasi lainnya, dan memberikan analisis terperinci tentang pendekatan Zama.

Apa itu FHE?

Fully Homomorphic Encryption (FHE) adalah teknologi privasi yang menggunakan sifat matematika homomorfik untuk melakukan berbagai perhitungan pada data yang terenkripsi, memastikan informasi tidak bocor. Di bidang Web2, FHE saat ini digunakan dalam enkripsi informasi medis, privasi data keuangan, dan enkripsi data cloud. Algoritma enkripsi ini pertama kali diusulkan pada tahun 1978 dan mendapatkan perhatian kembali pada abad ke-21, karena kemajuan teknologi yang telah mengoptimalkan penanganan noise dan pemrosesan floating-point, meningkatkan kinerja algoritma dan mendorong teknologi FHE ke sektor komersial.

Algoritma Enkripsi Fully Homomorfik memiliki tiga karakteristik utama: homomorfisme penuh, kerahasiaan data, dan fleksibilitas komputasi.

• Full Homomorphism: Dibandingkan dengan enkripsi sebagian homomorfik, Enkripsi Sepenuhnya Homomorfik memungkinkan melakukan operasi matematika apa pun pada data yang dienkripsi, termasuk penambahan, perkalian, dan bahkan operasi komposit yang lebih kompleks, sedangkan skema enkripsi sebagian homomorfik hanya mendukung operasi tertentu.
• Kerahasiaan Data: Enkripsi Homomorfik Penuh memungkinkan penambahan dan perkalian yang berulang pada data terenkripsi, dengan hasil tetap terenkripsi.
• Fleksibilitas Komputasi: Enkripsi Homomorfik Penuh mendukung berbagai operasi komputasi, termasuk penambahan, perkalian, dan operasi Boolean. Teknologi ini memiliki keunggulan privasi, namun masih ada ruang untuk peningkatan untuk aplikasi yang memerlukan efisiensi tinggi dalam pemrosesan data dan komputasi skala besar.

Mengapa FHE adalah Jalur Berikutnya setelah ZK-Level?

Algoritma enkripsi privasi telah berkembang dari enkripsi simetris dan asimetris awal menjadi metode yang lebih kompleks dan aman seperti Multi-Party Computation (MPC), Zero-Knowledge Proofs (ZK), dan Fully Homomorphic Encryption (FHE). Evolusi ini mengikuti kemajuan teknologi dan perubahan dalam skenario aplikasi. Seiring dengan pertumbuhan permintaan enkripsi privasi di bidang industri dan skenario yang semakin beragam, perhatian terhadap FHE dalam ruang blockchain meningkat secara signifikan.

Mengenai komputasi privasi, MPC dan ZK sudah banyak digunakan dalam sektor cryptocurrency. Namun mengapa perhatian sekarang beralih ke FHE? Dibandingkan dengan MPC, FHE menawarkan perlindungan privasi yang lebih kuat, fleksibilitas komputasi yang lebih besar, dan tidak memerlukan verifikasi multipihak. Berbeda dengan ZK, yang baik dalam membuktikan kebenaran suatu kondisi, FHE memungkinkan perhitungan dilakukan pada data yang terenkripsi dan bahkan dapat melatih dan menyimpulkan model pembelajaran mesin pada data tersebut. Setiap algoritma privasi utama memiliki kelebihan dan kelemahan serta menunjukkan keunggulannya dalam skenario aplikasi yang berbeda, membantu komputasi privasi mengakar dalam praktiknya.

Pengenalan Zama

Zama adalah perusahaan yang berfokus pada privasi yang didirikan pada tahun 2020, dengan tim yang terutama berbasis di Eropa dan terdiri dari lebih dari 30 Ph.D. dan ahli kriptografi. Pada Maret tahun ini, Zama mengamankan investasi sebesar $73 juta yang dipimpin oleh Multicoin Capital dan Protocol Labs, bergabung dengan investor besar lainnya seperti Metaplanet, Blockchange, VSquared, Stake Capital, dan Portal Ventures. Putaran ini juga menarik pendiri dari proyek blockchain utama, termasuk Juan Benet (Filecoin), Gavin Wood (Polkadot), Anatoly Yakovenko (Solana), Julien Bouteloup (StakeDAO), dan Tarun Chitra (Gauntlet).

Tim kepemimpinan Zama terdiri dari tokoh-tokoh industri berpengalaman. Co-founder dan CEO Rand Hindi mulai coding pada usia 10 tahun dan memiliki catatan kewirausahaan yang kuat dengan pendidikan tingkat lanjut di bidang ilmu komputer, kecerdasan buatan, dan bioinformatika. Co-founder dan CTO Pascal Paillier adalah seorang ahli kriptografi dengan gelar Ph.D. di bidang kriptografi dari Télécom Paris, membawa pengetahuan yang luas bagi tim.

Ekosistem Produk Zama: Alat dan Kerangka Kerja yang Komprehensif

Empat Produk Inti oleh Zama:

• Concrete - Kerangka kerja FHE sumber terbuka
• Concrete ML — Sebuah alat sumber terbuka untuk pembelajaran mesin pada data yang terenkripsi
• fhEVM — Sebuah mesin virtual enkripsi homomorfik penuh di Ethereum
• TFHE-rs — Alat sumber terbuka pertama untuk FHE

Concrete: Kerangka Kerja Sumber Terbuka Khusus FHE

Concrete adalah kerangka kerja khusus untuk enkripsi homomorfik sepenuhnya (FHE), yang memungkinkan pengembang untuk melakukan perhitungan pada data terenkripsi sambil menjaga privasi. Ini seperti kunci pintar: kerangka kerja memungkinkan data diproses tanpa "dibuka" atau didekripsi. Concrete menyederhanakan pengkodean untuk FHE, sehingga bahkan pengembang dengan keahlian enkripsi terbatas dapat menggunakannya untuk membangun aplikasi terenkripsi yang efisien. Beton juga mencakup alat simulasi dan analisis untuk mengoptimalkan kinerja, bertindak seperti mesin yang disetel dengan baik yang membantu meminimalkan penggunaan sumber daya sambil mempertahankan kinerja tinggi.

Nilai inti dari Concrete terletak pada membuat FHE lebih mudah diakses. Dengan Concrete, pengembang dapat melakukan operasi matematika yang aman pada data terenkripsi tanpa mengungkapkan informasi sensitif apa pun—ideal untuk bidang seperti keuangan dan kesehatan yang menuntut tingkat privasi data yang tinggi.

Concrete ML: Pembelajaran Mesin yang Ramah Pengguna untuk Data Terenkripsi

Concrete ML memprioritaskan kemudahan penggunaan dengan menawarkan API yang mirip dengan kerangka kerja umum, sehingga pengembang dapat melakukan tugas inferensi atau pelatihan pada data terenkripsi seperti yang mereka lakukan dengan alat yang sudah dikenal. Antarmukanya mirip dengan scikit-learn, dan bahkan mendukung konversi model PyTorch menjadi model yang kompatibel dengan FHE. Ini membuka peluang aplikasi untuk pembelajaran mesin di area yang peka terhadap privasi seperti berbagi data dan kepatuhan regulasi.

Concrete ML menawarkan kemudahan untuk model yang siap pakai dan model kustom:

Model Bawaan: Menyediakan model yang kompatibel dengan FHE yang mirip dengan scikit-learn dan XGBoost untuk adopsi yang mudah.

Model Kustom: Mendukung model pelatihan kuantisasi yang sadar, yang dapat pengguna kembangkan dengan PyTorch atau Keras/TensorFlow dan kemudian impor ke Concrete ML melalui ONNX.

fhEVM: Kontrak Pintar Penjaga Privasi di Ethereum

fhEVM membawa kontrak pintar yang benar-benar pribadi ke blockchain Ethereum melalui FHE. Dengan fhEVM Zama, kontrak pintar terenkripsi dapat beroperasi dalam ekosistem dApp yang ada, memastikan dua fitur utama: Enkripsi Penuh Transaksi dan Status: Semua data transaksi tetap terenkripsi end-to-end, memastikan tidak ada akses yang tidak sah. Komposabilitas On-chain dan Privasi Data: Status terenkripsi dari kontrak dipertahankan dengan setiap pembaruan, menjamin privasi.

fhEVM memperkenalkan pustaka TFHE Solidity, memungkinkan pengembangan yang mulus dengan alat-alat Solidity yang sudah ada. Operator standar bekerja dalam keadaan terenkripsi, memungkinkan kontrak untuk melakukan pemeriksaan kondisional sambil terenkripsi, membuat proses ini menjadi akrab dan ramah bagi pengembang Ethereum. Untuk mengelola enkripsi dan dekripsi, pengembang hanya perlu menggunakan tipe data euint untuk menandai bagian-bagian pribadi kontrak. fhEVM juga mendukung opsi dekripsi yang fleksibel, termasuk ambang batas, terpusat, dan berbasis KMS.

TFHE-rs: Kinerja Lebih Baik melalui Paralelisasi

TFHE-rs, sebuah perpustakaan yang ditulis dalam Rust, melakukan operasi Boolean dan integer pada data terenkripsi menggunakan teknologi TFHE. Dikenal karena fleksibilitasnya, TFHE-rs menawarkan berbagai antarmuka—Rust API, C API, dan WASM API untuk aplikasi klien. Desain modularnya, seperti blok Lego yang fleksibel, memungkinkan pengembang menggabungkan berbagai fungsi untuk membuat solusi komputasi terenkripsi yang sesuai dengan kebutuhan spesifik mereka, sehingga cocok untuk berbagai aplikasi mulai dari sistem sederhana hingga kompleks.

TFHE-rs menggunakan operasi enkripsi level bit untuk meningkatkan kinerja, memungkinkan penanganan data yang halus. Berbeda dengan sistem yang mengenkripsi seluruh blok data, pendekatan ini lebih efisien dalam melakukan komputasi homomorfik, terutama untuk operasi gerbang logika (AND, OR, XOR).

TFHE-rs juga memperkenalkan peningkatan kinerja yang canggih melalui pemrosesan multi-threaded dan paralelisasi bootstrapping. Dengan memecah bootstrapping menjadi tahap-tahap yang dapat diproses secara bersamaan di beberapa inti, TFHE-rs secara dramatis mengurangi waktu pemrosesan, membuat enkripsi homomorfik lebih cepat dan efisien.

Lima Kasus Penggunaan Utama Zama

Dengan fhEVM sebagai dasarnya, Zama telah menentukan lima kasus penggunaan yang menjanjikan berorientasi privasi untuk blockchain: transaksi kontrak yang aman, kolam gelap pribadi terdesentralisasi, pemerintahan DAO, lelang buta on-chain, dan permainan on-chain.

Transaksi On-Chain

Dalam ekosistem DeFi, melindungi privasi dan keamanan data sangat penting. Kontrak keuangan sering melibatkan detail sensitif, seperti jumlah transaksi, suku bunga, dan rencana pembayaran. Membuat detail ini sepenuhnya publik on-chain dapat menyebabkan masalah privasi. fhEVM Zama memungkinkan smart contract dieksekusi dalam keadaan terenkripsi, memungkinkan logika kontrak keseluruhan berjalan dengan aman tanpa mengekspos data sensitif. Institusi keuangan atau node lain tidak dapat melihat langsung detail kontrak, tetapi eksekusi kontrak masih dapat diverifikasi. Misalnya, kontrak pinjaman dapat menyimpan parameter seperti jumlah pinjaman, jangka waktu pembayaran, dan suku bunga dalam bentuk terenkripsi, sementara semua perhitungan dilakukan tanpa mengungkapkan data. Dengan cara ini, node lain dapat memverifikasi eksekusi kontrak tanpa mengakses detail transaksi tertentu, sehingga cocok untuk opsi, penyelesaian swap, dan peminjaman on-chain.

Pasar Gelap Pribadi Terdesentralisasi

Dark pool adalah platform perdagangan pribadi yang memungkinkan transaksi besar terjadi tanpa mengungkapkan detail pesanan secara publik, membantu menghindari gangguan pasar. Privasi di dark pool meluas ke identitas pengguna, konten pesanan, dan detail transaksi. Dark pool tradisional menggunakan platform terpusat atau pihak ketiga terpercaya untuk mencocokkan pesanan, menimbulkan risiko privasi.

TFHE-rs dari Zama mendukung operasi data terenkripsi, memungkinkan pesanan beli dan jual terenkripsi untuk dipasangkan secara pribadi tanpa mendekripsi rincian seperti harga atau jumlah. Platform perdagangan dapat menangani niat pengguna secara aman sambil mempertahankan privasi pesanan. Pesanan terenkripsi ini dapat diverifikasi untuk memastikan bahwa mereka memenuhi kondisi perdagangan, semuanya sambil menjaga keamanan data.

Governansi DAO

Pemerintahan DAO menyajikan tantangan privasi, termasuk anonimitas pemilih dan kerahasiaan rincian kas. Mekanisme pemungutan suara sering kali mengekspos preferensi pemungutan suara individu, yang dapat menyebabkan manipulasi atau pengaruh yang tidak pantas. Misalnya, individu yang memiliki lebih banyak token pemerintahan biasanya memiliki pengaruh yang lebih besar dalam pemungutan suara, yang potensial menciptakan bias otoriter yang mempengaruhi hasil. Kontrak pemerintahan DAO juga melibatkan informasi sensitif tentang pengeluaran keuangan dan alokasi proyek, yang seharusnya tetap privat untuk melindungi jumlah pendanaan proyek atau identitas penerima.

Pendekatan Zama memungkinkan pemrosesan terenkripsi dari setiap suara anggota. Kontrak pemungutan suara dapat menghitung suara dan menghitung hasil tanpa mendekripsi suara individual. Perhitungan akhir bersifat publik, namun proses pemungutan suara tetap bersifat pribadi. Dengan menggunakan enkripsi homomorfik, setiap suara dapat diverifikasi untuk kelayakan tanpa mengekspos pilihan.

Lelang Buta On-Chain

Lelang buta on-chain memungkinkan peserta untuk mengirimkan penawaran secara pribadi tanpa mengungkapkannya hingga lelang berakhir. Sebagian besar pengembang menggunakan bukti pengetahuan nol dan proses dua langkah untuk memastikan privasi penawaran, yang seringkali memerlukan penyimpanan data off-chain, memperkenalkan tantangan enkripsi tambahan.

Solusi enkripsi homomorfik penuh Zama memungkinkan penawaran terenkripsi diproses di-chain tanpa perlu mengungkapkannya. Dalam lelang buta tradisional, penawaran diungkapkan setelah lelang berakhir, tetapi pendekatan Zama memungkinkan komputasi menentukan pemenang tanpa mengorbankan privasi penawaran. Metode Zama mencakup perbandingan homomorfik, pembaruan bersyarat, dan penyelesaian yang aman, menghilangkan kebutuhan untuk mengungkapkan penawaran. Teknik multiplexer terenkripsi memilih penawaran tertinggi dan memperbarui hasil berdasarkan kondisi terenkripsi, mengelola detail penawaran secara aman tanpa mengungkapkan informasi sensitif. Pada akhir lelang, hanya pemenang penawaran yang dapat mendekripsi hadiah mereka secara aman, memverifikasi status mereka sebagai penawar tertinggi tanpa mengungkapkan detail penawaran lainnya.

Permainan On-Chain

Menggunakan fhEVM, Zama memperkenalkan cara untuk meningkatkan permainan on-chain dengan enkripsi homomorfik penuh. Di situs webnya, Zama mendemonstrasikan cara membangun versi terenkripsi dari permainan populer 'Wordle' di blockchain. Solusi Zama mengenkripsi baik status permainan maupun input sambil memungkinkan kontrak pintar untuk memverifikasi hasil. Ini berarti bahwa data permainan sensitif tetap pribadi, melindungi dari akses atau pemalsuan yang tidak sah, bahkan saat diproses on-chain. Pendekatan privasi ini memungkinkan permainan on-chain menjadi lebih pribadi dan dapat diskalakan tanpa mengorbankan transparansi dan fungsionalitas dari blockchain.

Tinjauan Masa Depan

Transaksi yang menjaga privasi akan menjadi tren besar berikutnya setelah masalah skalabilitas blockchain teratasi. Saat ini, tantangan utama dalam skalabilitas tidak lagi terletak pada teknologi infrastrukturnya sendiri tetapi pada kurangnya dukungan regulasi dan penerimaan pasar, yang sangat penting untuk adopsi yang luas. Transaksi yang menjaga privasi, dengan infrastruktur yang dioptimalkan, menciptakan kelompok pengguna yang lebih terarah, metode transaksi, dan skenario aplikasi, seperti halnya teknologi bukti nol yang dicapai adopsi yang luas.

Ke depan, teknologi FHE diharapkan dapat menyempitkan kesenjangan pengalaman antara pertukaran terdesentralisasi dan terpusat. Teknologi privasi dalam permainan on-chain juga dapat membantu mengatasi risiko keamanan yang ditimbulkan oleh generasi nomor acak. Meskipun potensi solusi yang menjaga privasi sangat besar, keterbatasan kinerja tetap menjadi tantangan. Memenuhi tuntutan transaksi berfrekuensi tinggi dalam skala besar akan membutuhkan waktu dan pengembangan yang cukup.