pasar belakangan ini tidak berjalan dengan baik, memberi saya waktu luang untuk berbagi perkembangan teknologi baru. sementara pasar kripto pada tahun 2024 tidak seexciting dulu, masih ada beberapa teknologi yang mencoba menjadi mainstream, seperti topik hari ini: “fully homomorphic encryption (fhe).”

vitalik buterin juga menulis artikel tentang fully homomorphic encryption pada bulan Mei, yang saya rekomendasikan untuk dibaca jika Anda tertarik.

Apa itu fully homomorphic encryption?

untuk memahami istilah enkripsi homomorfik penuh (fhe), Anda perlu tahu apa arti "enkripsi" dan "homomorfisme", dan mengapa "penuh" penting.

1. apa itu enkripsi?

enkripsi adalah konsep yang akrab. misalnya, alice ingin mengirim pesan rahasia ke bob, seperti “1314 520.”

jika pihak ketiga, c, mengirim pesan tetapi harus menjaga kerahasiaannya, alice dapat mengenkripsi pesannya dengan mengalikan setiap angka dengan 2, mengubahnya menjadi “2628 1040.”

bob mendekripsi dengan membagi setiap angka dengan 2, mengungkap pesan asli “1314 520.”

ini adalah enkripsi simetris, memungkinkan alice dan bob berkomunikasi dengan aman bahkan jika c terlibat. ini umumnya terlihat dalam film mata-mata.

2. apa itu enkripsi homomorfik?

sekarang, mari kita membuat situasi Alice lebih kompleks:

alice hanya berusia 7 tahun;

dia hanya tahu hitungan sederhana seperti mengalikan dan membagi dengan 2.

alice perlu membayar tagihan listrik bulanan sebesar 400 yuan, tetapi dia masih berhutang selama 12 bulan. menghitung 400 * 12 terlalu sulit baginya.

dia tidak ingin orang lain mengetahui jumlah tagihannya, jadi dia meminta bantuan c tanpa mengungkap informasi sensitif.

alice menggunakan perkalian untuk mengenkripsi angkanya, memberitahu c untuk menghitung 80024 (yang merupakan (400 2) (12 2)).

c, sebagai seorang dewasa, dengan cepat menghitung 800 * 24 = 19200 dan memberitahu alice. alice kemudian membagi 19200 dengan 4 (2 kali) untuk mengetahui bahwa dia berutang 4800 yuan.

apakah kamu melihatnya? ini adalah bentuk paling sederhana dari enkripsi homomorfik menggunakan perkalian, di mana 800 24 hanyalah versi transformasi dari 40012. bentuk sebelum dan sesudah transformasi pada dasarnya sama, itulah mengapa disebut "homomorfik".

metode enkripsi ini memungkinkan seseorang untuk meminta pihak yang tidak dipercaya untuk melakukan perhitungan sambil menjaga kerahasiaan angka-angka sensitif mereka.

3. mengapa “fully” enkripsi homomorfik?

di dunia nyata, hal-hal tidak semudah ini. tidak semua orang jujur seperti c.

jika c mencoba untuk membobol enkripsi dengan menebak, dia mungkin bisa mencari tahu angka aslinya.

Enkripsi homomorfik "penuh" memecahkan masalah ini dengan menambahkan kompleksitas lebih banyak.

alice dapat menambahkan langkah ekstra dalam enkripsinya, sehingga jauh lebih sulit bagi c untuk membobolnya.

misalnya, alice dapat mengalikan 4 kali dan menambahkan 8 kali, secara signifikan mengurangi kemungkinan c menebak dengan benar.

namun, ini masih merupakan enkripsi homomorfik “parsial” karena:

• itu terbatas pada masalah-masalah tertentu;
• ini menggunakan operasi khusus, dengan penambahan dan perkalian terbatas (umumnya tidak lebih dari 15).

Enkripsi homomorfik "penuh" memungkinkan penambahan dan perkalian tanpa batas, memungkinkan pihak ketiga untuk menghitung masalah kompleks tanpa menyingkapkan data sensitif.

polinomial kompleks dapat merepresentasikan sebagian besar masalah matematika, bukan hanya perhitungan sederhana.

Dengan langkah-langkah enkripsi tanpa batas, menjadi hampir tidak mungkin bagi C untuk mengintip data, benar-benar mencapai "keamanan dan kegunaan."

fully homomorphic encryption adalah teknologi yang sangat berharga dalam kriptografi.

sebelum tahun 2009, hanya enkripsi homomorfik parsial yang mungkin. itu adalah ide baru dari gentry pada tahun 2009 yang membuat enkripsi homomorfik penuh menjadi kenyataan. para pembaca yang tertarik dapat merujuk ke makalahnya.

aplikasi dari fully homomorphic encryption (fhe)

banyak orang bertanya-tanya di mana FHE bisa digunakan.

satu contohnya adalah ai.

ai yang kuat memerlukan banyak data, tetapi sebagian besar data ini sensitif. Bisakah enkripsi homomorfik lengkap membantu memecahkan ini?

ya, bisa.

Anda dapat:

• enkripsi data sensitif Anda menggunakan fully homomorphic encryption;
• berikan data yang dienkripsi ke AI;
• ai memproses data tanpa memahaminya, menghasilkan ucapan yang tidak berarti.

karena data terenkripsi, kecerdasan buatan hanya melihat vektor dan memprediksi respons tanpa mengetahui data sebenarnya.

• Anda, sebagai pemilik data terenkripsi, dapat mendekripsi teks acak secara lokal, seperti Alice.
• dengan cara ini, ai dapat menggunakan kekuatan komputasinya tanpa menangani data sensitif Anda.

saat ini, kecerdasan buatan membutuhkan Anda untuk mengorbankan privasi. pikirkan tentang segala hal yang Anda masukkan ke dalam gpt! hanya fhe yang dapat mencapai tingkat privasi ini.

ini adalah mengapa fhe dan ai adalah pasangan yang sempurna, menggabungkan keamanan dan fungsionalitas.

banyak proyek sedang menjelajahi fully homomorphic encryption (fhe), seperti zama, privasea, jaringan pikiran, fhenix, sunscreen, dll., masing-masing dengan aplikasi unik.

mari kita lihat satu proyek,@Privasea_ai.

ini adalah proyek fhe yang didukung oleh binance, berfokus pada pengenalan wajah.

keamanan dan kegunaan: mesin dapat menentukan apakah orang tersebut nyata tanpa menangani data wajah yang sensitif.

fully homomorphic encryption secara efektif memecahkan masalah ini.

komputasi fhe dunia nyata memerlukan komputasi yang kuat, karena langkah-langkah enkripsi alice kompleks dan membutuhkan sumber daya.

privasea bertujuan untuk membangun jaringan komputasi yang tangguh. mereka mengusulkan arsitektur jaringan pow + pos untuk mengatasi ini.

Baru-baru ini, Privasea mengumumkan hadware pow mereka, Workheart USB, bagian dari jaringan komputasi mereka, mirip dengan mesin penambangan.

harganya adalah 0.2 eth dan dapat menambang 6.66% dari total token jaringan.

Ada juga aset mirip pos, starfuel nft, yang seperti “izin kerja”, dengan total 5000 unit.

Harganya juga sebesar 0.2 eth dan bisa menerima 0.75% dari total token jaringan (melalui airdrop).

nft ini mirip dengan pos tapi menghindari masalah regulasi di as. itu memungkinkan pengguna untuk melakukan staking token privasea, menggandakan efisiensi penambangan dari perangkat usb terikat.

ps: Saya telah berinvestasi dalam proyek ini, jadi saya memiliki kode undangan cetak awal diskon sia7p0. Silakan gunakan jika tertarik: https://nft.privasea.ai/WorkHeartNFT

kesimpulan

jika ai dapat secara luas mengadopsi teknologi fhe, itu akan menjadi keuntungan yang signifikan. banyak negara mengatur ai dengan fokus pada keamanan data dan privasi.

dalam konflik seperti perang rusia-ukraine, latar belakang kecerdasan buatan bisa menimbulkan risiko, karena perusahaan kecerdasan buatan sering memiliki kaitan dengan negara-negara tertentu.

tanpa kecerdasan buatan, negara-negara berisiko tertinggal. dalam 10 tahun, sulit membayangkan dunia tanpa kecerdasan buatan.

privasi data sangat penting, dari konflik nasional hingga membuka kunci ponsel dengan pengenalan wajah.

di era kecerdasan buatan, jika teknologi fhe matang, itu akan menjadi garis terakhir pertahanan manusia.

disclaimer：

1. artikel ini diambil dari [0xTodd]. penulis asli adalah [0xtodd]. jika Anda memiliki keberatan terhadap cetak ulang ini, silakan hubungi Gate belajartim, dan mereka akan segera menangani masalah tersebut.
2. penyangkalan tanggung jawab: pendapat dan pandangan yang terdapat dalam artikel ini semata-mata merupakan milik penulis dan tidak merupakan saran investasi apa pun.
3. Tim Gate Learn telah menerjemahkan artikel ini ke dalam bahasa lain. Tanpa menyebutkanGate.io, menyalin, mendistribusikan, atau menjiplak artikel yang diterjemahkan dilarang.