Publication

Quand j’ai découvert le FHE (chiffrement entièrement homomorphe), ma première réaction a toujours été la même : la technologie est vraiment puissante, mais peut-elle supporter les coûts et les exigences de vitesse d’une utilisation réelle dans la DeFi ?



Après tout, la finance on-chain n’est pas un laboratoire.

Un seul transfert peut impliquer la vérification du solde, la déduction du montant, l’ajout au solde et la mise à jour de l’état. Si toutes ces opérations sont effectuées sur des données chiffrées, la charge de calcul et le coût du matériel deviennent des questions incontournables.

En découvrant AutoHoG, publié par @primus_labs, j’ai compris que ce qui mérite vraiment l’attention n’est pas simplement le gain de performances, mais la méthode de calcul plus intelligente qu’il a trouvée.

L’un des problèmes du FHE jusqu’ici, c’est que les logiques complexes sont décomposées en un grand nombre de petites portes booléennes, chacune nécessitant une opération de bootstrapping coûteuse.

Primus propose de changer cette approche :

Puisqu’une seule opération de bootstrapping peut traiter plusieurs entrées et sorties, pourquoi continuer à décomposer une logique complexe en une multitude de petites opérations ?

AutoHoG automatise justement ce processus : il repère dans les circuits Verilog les logiques qui peuvent être fusionnées, puis génère des portes homomorphes personnalisées.

Résultat : une amélioration de la latence pouvant atteindre 5,7 fois.

Les résultats des tests réalisés ensuite sont encore plus intéressants :

Avec 8 cartes graphiques grand public RTX 5090 et des soldes entièrement chiffrés sur 64 bits, un transfert privé complet prend environ 90 ms, ce qui permet de traiter plus de 210 transactions par seconde.

Pour ma part, c’est justement le détail des GPU grand public qui retient le plus mon attention.

Car l’adoption réelle d’une technologie ne dépend pas uniquement de sa vitesse d’exécution, mais aussi du coût de son fonctionnement.

Si le calcul confidentiel nécessite du matériel spécialisé coûteux, il risque de rester longtemps réservé à une poignée d’institutions.

Or, la voie que Primus met aujourd’hui en avant consiste à permettre aux GPU grand public de prendre eux aussi en charge ce type de calcul, avec une capacité de traitement qui augmente presque linéairement lorsqu’on ajoute des GPU.

Cette approche comporte aussi une caractéristique de conception facile à négliger : l’ensemble du processus repose sur des opérations entières exactes, ce qui garantit que les différents nœuds obtiennent exactement le même résultat chiffré.

Pour un réseau décentralisé, c’est même plus important que la seule recherche de vitesse. Les performances peuvent être optimisées, mais le consensus ne doit pas diverger à cause des erreurs d’arrondi en virgule flottante propres à différents matériels.

J’ai toujours pensé qu’une véritable confidentialité on-chain ne devrait pas se limiter à masquer le montant des transactions.

Elle devrait aussi permettre aux opérations financières — prêts, paiements, gestion d’actifs — de fonctionner normalement sans exposer les données sensibles sous-jacentes.

AutoHoG me montre que Primus s’attaque à un problème plus fondamental :

Il ne s’agit pas de prouver que le FHE peut garantir la confidentialité, mais de donner au FHE les moyens d’assumer la charge de calcul des véritables activités financières.

Des GPU aux futurs FPGA et ASIC, si cette voie technologique continue de se concrétiser, la confidentialité pourrait passer du statut de fonctionnalité supplémentaire de la DeFi à celui d’infrastructure par défaut.

C’est pour cela que, selon moi, Primus mérite qu’on continue à le suivre.

@primus_labs #Primus
Voir l'original
post-image
Cette page contient du contenu tiers, ne constitue aucun conseil et ne représente pas l’approbation par Gate de ces points de vue. Pour plus de détails, veuillez consulter l’avertissement.

  • 2

Ajouter un commentaire
Ajouter un commentaire

Commentaire 2
ModAssistant
Je n’ai pas encore bien compris comment AutoHoG est concrètement mis en œuvre. Auteur, qu’en penses-tu ?
MACDHistogramDyer
Une optimisation de la latence de 5,7 fois, c’est très joli sur le papier, mais si un GPU grand public met 90 ms par transaction, est-ce que ça risque quand même de ne pas suivre en cas de forte concurrence ? Je comprends la logique de fusion du bootstrapping, mais dans un marché réellement volatil, cette approche par lots fixes ne risque-t-elle pas au contraire de devenir un handicap ?