Đăng

Trước đây, khi nhắc đến FHE (mã hóa đồng cấu hoàn toàn), phản ứng đầu tiên của tôi luôn là: Công nghệ này thực sự rất mạnh, nhưng liệu khi áp dụng vào DeFi, chi phí và tốc độ có đáp ứng được không?


Dù sao thì tài chính on-chain cũng không phải phòng thí nghiệm.
Một giao dịch chuyển tiền có thể bao gồm việc kiểm tra số dư, trừ tiền, cộng tiền và cập nhật trạng thái. Nếu tất cả các thao tác này đều được thực hiện trên dữ liệu mã hóa, khối lượng tính toán và chi phí phần cứng sẽ là những vấn đề không thể né tránh.
Lần này, khi thấy AutoHoG do @primus_labs ra mắt, tôi nghĩ điều thực sự đáng chú ý không chỉ đơn thuần là cải thiện hiệu năng, mà là cách công nghệ này tìm ra một phương thức tính toán thông minh hơn.
Trước đây, một điểm khó của FHE là các logic phức tạp bị chia thành rất nhiều cổng Boolean nhỏ, và mỗi cổng đều cần tiêu tốn một lần Bootstrapping đắt đỏ.
Primus chọn cách thay đổi quy trình này:
Nếu một lần Bootstrapping có thể xử lý nhiều đầu vào và đầu ra, tại sao vẫn phải chia logic phức tạp thành từng thao tác nhỏ?
AutoHoG tự động hóa việc này, nhận diện các logic có thể hợp nhất từ mạch Verilog, rồi tạo ra các cổng đồng cấu được tùy chỉnh.
Kết quả là độ trễ được tối ưu lên đến 5.7 lần.
Điều thú vị hơn là kết quả thử nghiệm thực tế:
Với 8 GPU RTX 5090 phổ thông, trong điều kiện số dư được mã hóa hoàn toàn 64 bit, một giao dịch chuyển tiền riêng tư hoàn chỉnh mất khoảng 90ms, xử lý được hơn 210 giao dịch mỗi giây.
Ở đây, tôi lại chú ý hơn đến chi tiết GPU phổ thông.
Bởi một công nghệ có thể được phổ biến rộng rãi hay không không chỉ phụ thuộc vào tốc độ vận hành, mà còn phụ thuộc vào chi phí cần bỏ ra để chạy nó.
Nếu tính toán bảo mật đòi hỏi phần cứng chuyên dụng đắt đỏ, thì rất có thể trong thời gian dài, đây sẽ chỉ là năng lực dành riêng cho một số ít tổ chức.
Còn hướng đi mà Primus đang cho thấy là để GPU phổ thông cũng có thể đảm nhiệm dạng tính toán này, đồng thời mở rộng thông lượng gần như tuyến tính bằng cách tăng số lượng GPU.
Đằng sau đó còn có một thiết kế dễ bị bỏ qua: Toàn bộ quy trình sử dụng phép tính số nguyên chính xác, đảm bảo các nút khác nhau có thể tạo ra kết quả mã hóa hoàn toàn giống nhau.
Đối với mạng phi tập trung, điều này thậm chí còn quan trọng hơn việc chỉ đơn thuần theo đuổi tốc độ. Hiệu năng có thể được tối ưu, nhưng sự đồng thuận không thể xảy ra bất đồng do sai số dấu phẩy động trên các phần cứng khác nhau.
Tôi luôn cho rằng quyền riêng tư on-chain thực sự trưởng thành không nên chỉ dừng lại ở việc che giấu số tiền giao dịch.
Nó còn cần giúp các hoạt động tài chính như cho vay, thanh toán và quản lý tài sản vận hành bình thường mà không làm lộ dữ liệu nhạy cảm bên dưới.
AutoHoG cho tôi thấy Primus đang giải quyết một vấn đề nền tảng hơn:
Không chỉ chứng minh rằng FHE có thể bảo vệ quyền riêng tư, mà còn giúp FHE đủ năng lực xử lý khối lượng tính toán của các hoạt động tài chính thực tế.
Từ GPU cho đến FPGA, ASIC trong tương lai, nếu lộ trình công nghệ này tiếp tục được hiện thực hóa, quyền riêng tư sẽ có cơ hội trở thành hạ tầng mặc định thay vì chỉ là tính năng bổ sung của DeFi.
Đó mới là lý do tôi cho rằng Primus đáng để tiếp tục theo dõi.
@primus_labs #Primus
Xem bản gốc
post-image
Trang này chứa nội dung từ bên thứ ba và không phải là lời khuyên hay sự ủng hộ của Gate đối với những quan điểm đó. Để biết thêm chi tiết, vui lòng xem tuyên bố miễn trừ trách nhiệm.

  • 2

Thêm một bình luận
Thêm một bình luận

Bình luận 2
ModAssistant
Tôi vẫn chưa hiểu rõ AutoHoG cụ thể được triển khai như thế nào, tác giả thấy sao?
MACDHistogramDyer
Mức cải thiện độ trễ gấp 5,7 lần nghe khá ấn tượng, nhưng chạy một giao dịch mất 90ms trên GPU phổ thông thì trong môi trường có mức độ đồng thời cao liệu vẫn không theo kịp? Tôi hiểu logic gộp Bootstrapping, nhưng trong thực tế khi thị trường biến động, cách xử lý theo lô cố định như vậy liệu có thể phản tác dụng không?