10月13日時点で、TrendXプラットフォームのBTC、ETH、TONのデータは以下の通りです：

BTCの先週の議論回数は12.52Kで、先々週から0.98％減少しました。先週の日曜日の価格は63916ドルで、先々週の日曜日から1.62％ポンプしました。

ETH先週の議論数は3.63Kで、前々週から3.45%増加しました。先週日曜日の価格は2530ドルで、前々週日曜日から4%下落しました。

TONの先週の議論回数は782回で、前々週から12.63%減少しました。先週の日曜日の価格は5.26ドルで、前々週から0.25%下落しました。

同型暗号化（Fully Homomorphic Encryption, FHE）は現在の暗号技術の中で非常に有望な技術であり、その中核的な特性は、復号化することなく暗号化されたデータに直接計算を行うことを可能にする点にあり、これによりプライバシー保護やデータ処理に強力なサポートが提供されます。FHE は金融、医療、クラウドコンピューティング、機械学習、投票システム、モノのインターネット、そしてブロックチェーンのプライバシー保護など、幅広い領域で活用されることができます。しかし、FHE の展望は広い一方で、ビジネス化の道はまだ挑戦に直面しています。

PHEの可能性と応用シナリオ

同型暗号化の最大の利点はプライバシー保護です。例えば、A社がB社の計算能力を利用してデータを分析する必要があるが、B社に具体的なデータ内容を知られたくない場合、FHEが役立ちます。A社はデータを暗号化してB社に送信し、計算を行った結果も暗号化されたままであり、A社が復号化すれば分析結果が得られます。これにより、データプライバシーが効果的に保護され、B社も必要な計算を完了できます。

このようなプライバシー保護メカニズムは、金融や医療などのデータに敏感な業界にとって特に重要です。さらに、クラウドコンピューティングと人工知能の発展に伴い、データセキュリティはますますフォロー焦点となっています。FHEはこれらのシーンでロング計算保護を提供し、各当事者が機密情報を公開せずに協力することを可能にします。特にブロックチェーン技術では、FHEはオンチェーンプライバシー保護やシールドトランザクションの査察などの機能を通じて、データ処理の透明性と安全性を向上させています。

FHEと他の暗号化方式との比較

Web3の領域では、FHE、ゼロ知識証明（ZK）、多数計算（MPC）および信頼性のある実行環境（TEE）が主要なプライバシー保護手法です。ZKとは異なり、FHEは暗号化されたデータに対して複数の操作を実行することができ、データを復号化する必要はありません。MPCでは、各当事者がデータを暗号化したまま計算を行うことができ、秘密情報を共有する必要はありません。TEEは安全な環境での計算を提供しますが、データ処理の柔軟性は比較的制限されています。

これらの暗号化技術にはそれぞれ利点がありますが、複雑な計算タスクをサポートする点で、FHE は特に優れています。それでも、実際の応用では、FHE は高い計算コストと拡張性の低さの問題に直面しており、それがリアルタイムの応用においてしばしば制約となっています。FHE の制約と課題 FHE の理論的基盤は強力ですが、実際のビジネス応用においては実際の課題に直面しています。

• 大規模計算コスト：FHE は大量の計算リソースを必要とし、非暗号化された計算と比較してその計算コストは著しく上昇します。高次多項式演算に対して処理時間が多項式的に上昇するため、FHE はリアルタイム計算の要求を満たすことが難しいです。コストをドロップするために、FHE は専用ハードウェアの加速に依存する必要がありますが、これは展開の複雑さを増加させる可能性があります。
• 限られた操作能力：FHEは、暗号化されたデータの加算と乗算を実行できますが、複雑な非線形操作のサポートは限られており、これはデプスニューラルネットワークなどの人工知能アプリケーションにとってのボトルネックです。現在のFHEのソリューションは、主に線形および単純な多項式計算に適用され、非線形モデルの適用には著しい制約があります。 *複数ユーザーのサポートの複雑さ：FHEは、単一ユーザーシナリオでは良好なパフォーマンスを発揮しますが、複数ユーザーデータセットが関係する場合、システムの複雑さが急激に上昇します。 2013年、Lopez-Altらが提案した多秘密鍵FHEフレームワークは、異なる秘密鍵で暗号化されたデータセットを操作することを可能にしますが、その秘密鍵管理とシステムアーキテクチャの複雑さが著しく高まります。

FHEと人工知能の組み合わせ

現在のデータ駆動時代では、人工知能（AI）はさまざまな領域で広く利用されていますが、データプライバシーの懸念から、ユーザーは医療や金融情報などの機密データを共有することをためらうことがあります。FHEはAI領域にプライバシー保護のソリューションを提供しています。クラウドコンピューティングのシナリオでは、データは通常、転送および保存のプロセスで暗号化されますが、処理の過程では通常、平文の状態になってしまいます。FHEを使用することで、ユーザーのデータを暗号化したまま処理することができ、データのプライバシーを確保します。

この利点は、GDPRなどの規制要件の下で特に重要であり、これらの規制要件はユーザーにデータ処理方法に関する情報を提供し、データが転送中に保護されることを保証することを求めています。FHEのエンドツーエンド暗号化は、コンプライアンスとデータセキュリティに保証を提供しています。

現在のFHEのブロックチェーンでの利用とプロジェクト

FHEのブロックチェーンにおける応用は、主にデータプライバシーの保護に焦点を当てており、オンチェーンプライバシー、AIトレーニングデータプライバシー、オンチェーン投票プライバシー、そしてオンチェーンシールドトランザクションの監査などが含まれます。現在、多くのプロジェクトがFHE技術を利用してプライバシー保護を推進しています。たとえば、ZamaのFHEソリューションは、Fhenix、Privasea、IncoNetwork、MindNetworkなどのプロジェクトで広く利用されています。

Zama：TFHE技術に基づき、ブール演算と短い整数演算に特化し、ブロックチェーンとAIアプリケーションに対応したFHE開発スタックを構築しています。

Octra：新しいスマートコントラクト言語とHyperghraphFHEライブラリを開発し、ブロックチェーンネットワークに適用されました。

Privasea：FHEを使用してAI計算ネットワークでのプライバシー保護を実現し、さまざまなAIモデルをサポートします。

MindNetwork：FHEと人工知能を組み合わせ、分散化かつプライバシー保護されたAI環境を提供します。

Fhenix：ETH坊のレイヤー2ソリューションとして、FHE RollupsとFHE Coprocessorsをサポートし、EVMとSolidityで書かれたスマートコントラクトに対応しています。

研究データ

まとめ

FHEは暗号化されたデータ上で計算を実行できる先進的な技術であり、データのプライバシー保護には明らかな利点があります。現在、FHEの商業的な応用は、計算コストの高さとスケーラビリティの低さという課題に直面していますが、ハードウェアの高速化やアルゴリズムの最適化により、これらの問題は解決される可能性があります。さらに、ブロックチェーン技術の発展とともに、FHEはプライバシー保護やセキュアな計算の面でますます重要な役割を果たすことになるでしょう。将来的には、FHEはプライバシー保護計算をサポートする中核技術となり、データの安全性に革命的な進展をもたらす可能性があります。

TrendXでフォローする

TrendX-No.1 Web3投資機会プラットフォームは、業界をリードするAI分析技術とオンチェーンオフチェーンのトレンド追跡技術に基づき、数百億のデータをリアルタイムに分析し、投資機会を捉え、直感的なインタラクティブな方法で投資アドバイスをユーザーに提供し、'変化こそが機会'の理念を持ち、ユーザーにとって最も選ばれるWeb3投資プラットフォームを目指しています。

投資にはリスクがあります。プロジェクトは参考のみであり、リスクは自己負担してください。