Publicação

Quando falamos de FHE (criptografia totalmente homomórfica), minha primeira reação sempre foi: a tecnologia é realmente poderosa, mas será que os custos e a velocidade dão conta de aplicações reais em DeFi?



Afinal, as finanças on-chain não são um laboratório.

Uma transferência pode envolver a verificação do saldo, a dedução do valor, o acréscimo ao saldo e a atualização do estado. Se todas essas operações forem realizadas com os dados criptografados, a carga computacional e o custo do hardware se tornam questões inevitáveis.

Desta vez, ao ver o AutoHoG lançado por @primus_labs, achei que o mais importante não era simplesmente o ganho de desempenho, mas sim a forma mais inteligente de computar que ele encontrou.

Um dos pontos fracos da FHE até então era que a lógica complexa era dividida em um grande número de pequenas portas booleanas, cada uma exigindo uma operação cara de Bootstrapping.

A ideia da Primus é mudar esse processo:

Se uma única operação de Bootstrapping pode processar várias entradas e saídas, por que continuar dividindo a lógica complexa em pequenas operações?

O AutoHoG automatiza esse processo: identifica, em circuitos Verilog, lógicas que podem ser combinadas e, em seguida, gera portas homomórficas personalizadas.

O resultado é uma otimização de latência de até 5,7 vezes.

Mais interessante ainda são os testes práticos:

Com 8 RTX 5090 de uso doméstico e saldo totalmente criptografado de 64 bits, uma transferência privada completa leva cerca de 90ms, e é possível processar mais de 210 transferências por segundo.

O detalhe que mais me chama a atenção é justamente o uso de GPUs de consumo.

Isso porque a adoção real de uma tecnologia não depende apenas de ela ser rápida, mas também do custo para executá-la.

Se a computação privada depender de hardware especializado e caro, é bem possível que continue sendo um recurso exclusivo de poucas instituições.

A direção que a Primus está mostrando agora é permitir que até GPUs comuns, voltadas ao consumidor, deem conta desse tipo de computação, além de ampliar o throughput de forma quase linear com a adição de mais GPUs.

Por trás disso, há também uma escolha de design que pode passar despercebida: todo o processo usa operações inteiras exatas, garantindo que nós diferentes obtenham resultados criptografados exatamente iguais.

Para redes descentralizadas, isso é até mais importante do que simplesmente buscar velocidade. O desempenho pode ser otimizado, mas o consenso não pode divergir por causa de diferenças de ponto flutuante entre hardwares.

Sempre acreditei que uma privacidade on-chain realmente madura não deveria se limitar a ocultar os valores das transações.

Ela também deveria permitir que atividades financeiras como empréstimos, pagamentos e gestão de ativos funcionassem normalmente, sem expor os dados sensíveis subjacentes.

O AutoHoG me mostrou que a Primus está resolvendo uma questão mais fundamental:

Não se trata apenas de provar que a FHE pode garantir privacidade, mas de dar a ela capacidade para suportar a carga computacional de operações financeiras reais.

Das GPUs às futuras FPGAs e ASICs, se essa rota tecnológica continuar avançando, a privacidade poderá deixar de ser um recurso adicional do DeFi e se tornar uma infraestrutura padrão.

É por isso que, na minha opinião, vale a pena continuar acompanhando a Primus.

@primus_labs #Primus
Ver original
post-image
Esta página contém conteúdo de terceiros e não constitui recomendação, nem representa o endosso da Gate a essas opiniões. Para detalhes, consulte o aviso legal.

  • 2

Adicionar um comentário
Adicionar um comentário

Comentário 4
BridgeWanderer
Diferenças nas versões dos drivers e nos ambientes CUDA de GPUs para o consumidor podem causar resultados inconsistentes entre nós?
wvllm
A automação de mesclagem do Bootstrapping aborda um gargalo do FHE, e a otimização de latência de 5,7x é realmente impressionante. O destaque são 8 placas RTX 5090 rodando a 90 ms por transação e 210+ TPS; a gestão de chaves e a cobertura dos circuitos ainda precisam ser validadas.
ModAssistant
Ainda não entendi muito bem como esse AutoHoG é implementado na prática. O que você acha, autor?
MACDHistogramDyer
A otimização de latência de 5,7 vezes parece ótima, mas, com GPUs de consumo processando uma transação a cada 90 ms, será que ainda não conseguem acompanhar em cenários de alta concorrência? Entendo a lógica de mesclagem do Bootstrapping, mas, em mercados voláteis na prática, essa abordagem de processamento em lotes fixos não pode acabar atrapalhando?