Nillionが$25Mの資金調達を実施したというニュースを見た多くのフレンは、「盲計算」とは何かについて驚くでしょう。 MPC、ZKP、FHE、TEEなどの専門用語を理解し始めたばかりで、新しい概念が出てきました。それでは、盲計算の作業フローはどのようなものでしょうか？Nillionが提供する盲計算ソリューションとは何でしょうか？以下、私の理解について説明します。

1）Blind Compute（盲計算）とは何ですか？簡単に言えば、盲計算は、サーバー（ノード）が暗号化されたデータ断片に対して計算タスクを実行し、最終的にプライバシーを保護するための安全な計算方法です。

ZKP、TEE、MPC、FHEなどの強化された暗号化アルゴリズムはすべて同じ目標を持っていますが、違いは次のとおりです：ZKPゼロ知識証明の生成には膨大なコストがかかり、オフチェーンのストレージ+計算、オンチェーンでのみ検証するシーンに適しています。例：Rollup Layer2；TEE Trusted Execution Environmentは、ハードウェアメーカーによる隔離環境での計算に依存する方法です。FHE Fully Homomorphic Encryptionは、暗号化データ上で直接計算を実行できますが、現時点では特定の演算のみをサポートしています。

**「盲计算」はより一般的な計算フレームワークであり、ZKP、TEE、FHEなどの暗号化技術がその技術フレームワークの一部として使用される可能性があります。」

皆さんご存知の通り、ZKP、TEE、FHEなどは現在、暗号化との接点において技術の実装と最適化の段階にあります。一方、ブラインド計算はこれらの暗号化の中核技術を統合して、プライバシー保護のための統合的なエンジニアリング実践ソリューションを探求する可能性があります。

2）盲計算の核心ロジックは分散ノードの強化であり、単一のノードがセグメント化されたストレージと計算の能力を同時に持ち、検証可能なオープンガバナンスネットワークに加えられ、ノードが「完全」なデータを知らない状態で有効な動作をすることができる結果を達成することです。どのように理解すればよいでしょうか？

常態でデータのプライバシー状態を保護するには、データをAノードに保存し、暗号化してBノードに計算させ、復号してCノードで検証し、最終的にデータの保存と計算を完了させる必要があります。このプロセスでは、データの転送には非常に高いコストがかかり、何度もEncrypt→Decryptのプロセスが繰り返されるため、データが漏洩する可能性があります。また、ノード間の相互信頼のコストも高く、プライバシーの保護が困難です。

Nillionが構築したビジネスロジックは、この欠陥をうまく補完しており、その大まかな作業フローは次のとおりです（理解のためにのみ提供）：

Nillionは分散ノードネットワークを構築し、各ノードはストレージ+計算の強化能力を備えています。データ転送処理要求を受信した場合、Nillionネットワークはまず、Nada固有の言語によってコンパイルおよび前処理を実行し、元のデータを多数のフラグメントに分割し、すべて暗号化された状態に保ちます。

AIVM仮想マシンを介してスケジュールと割り当てを行い、分散ノードはこれらのデータフラグメントをランダムに保存および計算し、最終的に集約および統一検証を完了します。このプロセス全体では、単一のノードはすべてのデータコンテンツを知ることはできませんが、それらを組み合わせることで全体のデータの暗号化転送と計算を完了することができます。

なぜ盲計算がZKP、TEE、FHEなどの技術を統合できると言われているのか、その理由は非常にシンプルです。データの事前処理、つまりデータの暗号化段階では、FHE（同型暗号化）技術を完全に適用することができます。ノードは計算データをTEE（信頼実行環境）で保存し、集計および検証ノードの作業成果を向上させるためにZKPを使用することができます。

3）私によれば、ZKP、TEE、FHE、MPCなどの技術には、多かれ少なかれ工学的な実装上の欠陥があります。現在、Cryptoの分野では、ほとんどすべてのレースでプロジェクトが溢れていますが、ほとんどの場合、コストと効率の最適化に焦点を当て、Crypto特定のアプリケーションシナリオに集中しています。

Nillionの提案した暗号化計算フレームワークは、まだ大規模な適用は実現されていませんが、統合された暗号化ソリューションは、AIにおける検証可能な計算、機械学習など、より広範なデータ保護領域での普及が期待されています。