По состоянию на 13 октября, рыночные данные о основных криптоактивах показывают:
Обсуждения биткойна на прошлой неделе составили 12,52K раз, что на 0,98% меньше, чем на предыдущей неделе. Его цена в выходные достигла 63916 долларов, что на 1,62% выше, чем на предыдущих выходных.
Обсуждения по Эфириуму на прошлой неделе составили 3.63K, увеличившись на 3.45% по сравнению с предыдущей неделей. Его цена в выходные составила 2530 долларов, что на 4% меньше, чем на предыдущих выходных.
Обсуждения TON на прошлой неделе составили 782 раза, что на 12,63% меньше по сравнению с предыдущей неделей. Его цена в выходные составила 5,26 доллара, что на 0,25% ниже по сравнению с предыдущими выходными.
Гомоморфное шифрование (FHE) является важной технологией в области криптографии, позволяющей производить вычисления непосредственно над зашифрованными данными без их расшифровки. Эта особенность предоставляет огромный потенциал для защиты конфиденциальности и обработки чувствительных данных, и может быть широко использована в таких областях, как финансы, медицина, облачные вычисления, машинное обучение, системы голосования и интернет вещей. Однако, несмотря на широкие перспективы, FHE по-прежнему сталкивается с множеством проблем на пути к коммерциализации.
Потенциал FHE и сценарии применения
Основное преимущество FHE заключается в его мощной способности защищать конфиденциальность. Например, одна компания может отправить зашифрованные данные другой компании для анализа, не беспокоясь о том, что содержимое данных будет раскрыто. Этот механизм особенно важен для таких отраслей, как финансы и здравоохранение, где чувствительность данных высока. С развитием облачных технологий и искусственного интеллекта роль FHE в защите многосторонних вычислений становится все более значимой, позволяя сторонам сотрудничать при соблюдении конфиденциальности. В технологии блокчейн FHE повышает прозрачность и безопасность обработки данных, предоставляя функции защиты конфиденциальности в цепочке и проверки конфиденциальных транзакций.
Сравнение Гомоморфного шифрования с другими технологиями шифрования
В области Web3 FHE наряду с доказательствами нулевого знания (ZK), многопартийными вычислениями (MPC) и защищенными вычислительными средами (TEE) является одним из основных методов защиты конфиденциальности. Уникальность FHE заключается в том, что он может выполнять различные операции с зашифрованными данными, не требуя предварительного расшифрования. Напротив, MPC позволяет сторонам выполнять вычисления в состоянии зашифрованных данных, тогда как TEE предоставляет безопасную вычислительную среду. Несмотря на свои преимущества, FHE особенно выделяется в поддержке сложных вычислительных задач. Тем не менее, FHE по-прежнему сталкивается с проблемами высокой вычислительной нагрузки и низкой масштабируемости в реальных приложениях, что ограничивает его производительность в реальном времени.
Ограничения и вызовы FHE
Несмотря на мощную теоретическую основу FHE, в процессе коммерциализации появились практические проблемы:
Большие вычислительные затраты: Гомоморфное шифрование требует значительных вычислительных ресурсов, особенно для многочленов высокой степени, время обработки растет полиномиально. Это делает Гомоморфное шифрование трудным для удовлетворения требований к вычислениям в реальном времени и может потребовать использования специализированного аппаратного ускорения, что увеличивает сложность развертывания.
Ограниченные операционные возможности: FHE в основном поддерживает сложение и умножение зашифрованных данных, поддержка сложных нелинейных операций ограничена. Это создает препятствия для приложений искусственного интеллекта, таких как глубокие нейронные сети.
Сложность поддержки нескольких пользователей: Гомоморфное шифрование хорошо работает в сценариях с одним пользователем, но в среде с несколькими пользователями сложность системы значительно возрастает. Хотя были предложены многоключевые FHE-структуры, это также увеличивает сложность управления ключами и архитектуры системы.
Сочетание Гомоморфного шифрования и искусственного интеллекта
В современную эпоху, управляемую данными, искусственный интеллект широко применяется в различных областях. Однако из-за опасений по поводу конфиденциальности пользователи часто не хотят делиться чувствительными данными. Гомоморфное шифрование (FHE) предоставляет решения для защиты конфиденциальности в AI. В облачных вычислениях FHE позволяет обрабатывать данные пользователей в зашифрованном состоянии, обеспечивая конфиденциальность данных. Эта особенность особенно важна в условиях требований таких регуляторов, как GDPR, поскольку эти регуляторы требуют защиты безопасности пользовательских данных во время их передачи и обработки.
Применение Гомоморфного шифрования в блокчейне
FHE в области блокчейна в основном используется для защиты конфиденциальности данных, включая конфиденциальность на цепочке, конфиденциальность данных для обучения ИИ, конфиденциальность голосования на цепочке и проверку конфиденциальных транзакций на цепочке и т.д. В настоящее время несколько проектов используют технологии FHE для реализации защиты конфиденциальности.
Некоторые проекты, на которые стоит обратить внимание, включают в себя:
Решение FHE, сосредоточенное на булевых операциях и операциях с целыми числами малой длины, построило стек разработки FHE для приложений на блокчейне и ИИ.
Разработан новый язык смарт-контрактов и библиотека FHE, подходящие для блокчейн-сетей.
Использование Гомоморфного шифрования для реализации защиты конфиденциальности в вычислительных сетях ИИ, поддержка различных моделей ИИ.
Объединяя Гомоморфное шифрование и искусственный интеллект, предоставляем децентрализованную и защищённую конфиденциальность среду для ИИ.
В качестве решения второго уровня для Ethereum поддерживает FHE Rollups и FHE Coprocessors, совместим с EVM и поддерживает смарт-контракты, написанные на Solidity.
Вывод
FHE как продвинутая технология, позволяющая выполнять вычисления на зашифрованных данных, обладает значительными преимуществами в защите конфиденциальности данных. Несмотря на текущие вызовы, связанные с большими вычислительными затратами и низкой масштабируемостью, эти проблемы могут быть решены с помощью аппаратного ускорения и оптимизации алгоритмов. С развитием технологии блокчейн важность FHE в области защиты конфиденциальности и безопасных вычислений будет возрастать. В будущем FHE имеет потенциал стать основной технологией, поддерживающей вычисления с защитой конфиденциальности, что приведет к революционному прорыву в области безопасности данных.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
22 Лайков
Награда
22
8
Поделиться
комментарий
0/400
MetaNomad
· 07-07 08:07
Конфиденциальность - это следующий тренд~
Посмотреть ОригиналОтветить0
CryptoDouble-O-Seven
· 07-05 21:45
Будущее приватных вычислений обещает быть многообещающим!
Посмотреть ОригиналОтветить0
ser_ngmi
· 07-04 18:13
рост не превышает инфляцию...
Посмотреть ОригиналОтветить0
DegenWhisperer
· 07-04 18:12
BTC рост и всё! Зачем беспокоиться о таких технологиях~
Посмотреть ОригиналОтветить0
TxFailed
· 07-04 18:09
мех... ещё одна технология конфиденциальности, которая, вероятно, будет стоить нам 500 гвеи за использование
Посмотреть ОригиналОтветить0
RetiredMiner
· 07-04 18:07
Технологии конфиденциальности - это большая тенденция.
Биткойн рост 1.62% Гомоморфное шифрование FHE станет новым направлением для приватности в Блокчейне
Криптоактивы市场数据与Гомоморфное шифрование技术的发展
По состоянию на 13 октября, рыночные данные о основных криптоактивах показывают:
Обсуждения биткойна на прошлой неделе составили 12,52K раз, что на 0,98% меньше, чем на предыдущей неделе. Его цена в выходные достигла 63916 долларов, что на 1,62% выше, чем на предыдущих выходных.
Обсуждения по Эфириуму на прошлой неделе составили 3.63K, увеличившись на 3.45% по сравнению с предыдущей неделей. Его цена в выходные составила 2530 долларов, что на 4% меньше, чем на предыдущих выходных.
Обсуждения TON на прошлой неделе составили 782 раза, что на 12,63% меньше по сравнению с предыдущей неделей. Его цена в выходные составила 5,26 доллара, что на 0,25% ниже по сравнению с предыдущими выходными.
Гомоморфное шифрование (FHE) является важной технологией в области криптографии, позволяющей производить вычисления непосредственно над зашифрованными данными без их расшифровки. Эта особенность предоставляет огромный потенциал для защиты конфиденциальности и обработки чувствительных данных, и может быть широко использована в таких областях, как финансы, медицина, облачные вычисления, машинное обучение, системы голосования и интернет вещей. Однако, несмотря на широкие перспективы, FHE по-прежнему сталкивается с множеством проблем на пути к коммерциализации.
Потенциал FHE и сценарии применения
Основное преимущество FHE заключается в его мощной способности защищать конфиденциальность. Например, одна компания может отправить зашифрованные данные другой компании для анализа, не беспокоясь о том, что содержимое данных будет раскрыто. Этот механизм особенно важен для таких отраслей, как финансы и здравоохранение, где чувствительность данных высока. С развитием облачных технологий и искусственного интеллекта роль FHE в защите многосторонних вычислений становится все более значимой, позволяя сторонам сотрудничать при соблюдении конфиденциальности. В технологии блокчейн FHE повышает прозрачность и безопасность обработки данных, предоставляя функции защиты конфиденциальности в цепочке и проверки конфиденциальных транзакций.
Сравнение Гомоморфного шифрования с другими технологиями шифрования
В области Web3 FHE наряду с доказательствами нулевого знания (ZK), многопартийными вычислениями (MPC) и защищенными вычислительными средами (TEE) является одним из основных методов защиты конфиденциальности. Уникальность FHE заключается в том, что он может выполнять различные операции с зашифрованными данными, не требуя предварительного расшифрования. Напротив, MPC позволяет сторонам выполнять вычисления в состоянии зашифрованных данных, тогда как TEE предоставляет безопасную вычислительную среду. Несмотря на свои преимущества, FHE особенно выделяется в поддержке сложных вычислительных задач. Тем не менее, FHE по-прежнему сталкивается с проблемами высокой вычислительной нагрузки и низкой масштабируемости в реальных приложениях, что ограничивает его производительность в реальном времени.
Ограничения и вызовы FHE
Несмотря на мощную теоретическую основу FHE, в процессе коммерциализации появились практические проблемы:
Большие вычислительные затраты: Гомоморфное шифрование требует значительных вычислительных ресурсов, особенно для многочленов высокой степени, время обработки растет полиномиально. Это делает Гомоморфное шифрование трудным для удовлетворения требований к вычислениям в реальном времени и может потребовать использования специализированного аппаратного ускорения, что увеличивает сложность развертывания.
Ограниченные операционные возможности: FHE в основном поддерживает сложение и умножение зашифрованных данных, поддержка сложных нелинейных операций ограничена. Это создает препятствия для приложений искусственного интеллекта, таких как глубокие нейронные сети.
Сложность поддержки нескольких пользователей: Гомоморфное шифрование хорошо работает в сценариях с одним пользователем, но в среде с несколькими пользователями сложность системы значительно возрастает. Хотя были предложены многоключевые FHE-структуры, это также увеличивает сложность управления ключами и архитектуры системы.
Сочетание Гомоморфного шифрования и искусственного интеллекта
В современную эпоху, управляемую данными, искусственный интеллект широко применяется в различных областях. Однако из-за опасений по поводу конфиденциальности пользователи часто не хотят делиться чувствительными данными. Гомоморфное шифрование (FHE) предоставляет решения для защиты конфиденциальности в AI. В облачных вычислениях FHE позволяет обрабатывать данные пользователей в зашифрованном состоянии, обеспечивая конфиденциальность данных. Эта особенность особенно важна в условиях требований таких регуляторов, как GDPR, поскольку эти регуляторы требуют защиты безопасности пользовательских данных во время их передачи и обработки.
Применение Гомоморфного шифрования в блокчейне
FHE в области блокчейна в основном используется для защиты конфиденциальности данных, включая конфиденциальность на цепочке, конфиденциальность данных для обучения ИИ, конфиденциальность голосования на цепочке и проверку конфиденциальных транзакций на цепочке и т.д. В настоящее время несколько проектов используют технологии FHE для реализации защиты конфиденциальности.
Некоторые проекты, на которые стоит обратить внимание, включают в себя:
Решение FHE, сосредоточенное на булевых операциях и операциях с целыми числами малой длины, построило стек разработки FHE для приложений на блокчейне и ИИ.
Разработан новый язык смарт-контрактов и библиотека FHE, подходящие для блокчейн-сетей.
Использование Гомоморфного шифрования для реализации защиты конфиденциальности в вычислительных сетях ИИ, поддержка различных моделей ИИ.
Объединяя Гомоморфное шифрование и искусственный интеллект, предоставляем децентрализованную и защищённую конфиденциальность среду для ИИ.
В качестве решения второго уровня для Ethereum поддерживает FHE Rollups и FHE Coprocessors, совместим с EVM и поддерживает смарт-контракты, написанные на Solidity.
Вывод
FHE как продвинутая технология, позволяющая выполнять вычисления на зашифрованных данных, обладает значительными преимуществами в защите конфиденциальности данных. Несмотря на текущие вызовы, связанные с большими вычислительными затратами и низкой масштабируемостью, эти проблемы могут быть решены с помощью аппаратного ускорения и оптимизации алгоритмов. С развитием технологии блокчейн важность FHE в области защиты конфиденциальности и безопасных вычислений будет возрастать. В будущем FHE имеет потенциал стать основной технологией, поддерживающей вычисления с защитой конфиденциальности, что приведет к революционному прорыву в области безопасности данных.