Chuyển tiêu đề gốc 'Giải thích sự tăng trưởng gần đây của Mã hóa đồng cấu đầy đủ trong ngành Công nghiệp Blockchain'

Giới thiệu Mã hóa đồng cấu đầy đủ (FHE): Một khám phá về các ứng dụng hấp dẫn, giới hạn và những phát triển gần đây thúc đẩy sự phổ biến của nó.

Khi tôi lần đầu nghe về ‘Fully Homomorphic Encryption’ (FHE), tôi tự hỏi về xu hướng của không gian blockchain trong việc gán những cái tên dài cho các khái niệm thịnh hành. Chúng ta đã gặp phải một lượng lớn từ ngữ được lan truyền trong ngành suốt nhiều năm, gần đây nhất là ‘zero-knowledge proofs’ (ZKPs).

Sau khi tìm hiểu và khám phá một số công ty mới xây dựng sản phẩm với Mã hóa đồng cấu, tôi nhận thấy một đường chân trời đầy công cụ mới tuyệt vời. Trong những tháng và năm sắp tới, Mã hóa đồng cấu có thể trở thành công nghệ lớn tiếp theo làm lay chuyển ngành công nghiệp như ZKPs đã làm.

Các công ty đang tận dụng những tiến bộ gần đây trong các lĩnh vực mã hóa và điện toán đám mây để mở đường cho một tương lai mạnh mẽ, bảo vệ quyền riêng tư dữ liệu. Câu hỏi không phải là liệu chúng ta có thể đạt được điều đó không mà là khi nào, và tôi tin rằng Mã hóa đồng cấu có thể là yếu tố khích lệ quan trọng để thúc đẩy quyền riêng tư và sở hữu dữ liệu.

Trong vài tuần tới, tôi sẽ đắm mình trong việc học hỏi thêm về Mã hóa đồng cấu và nghiên cứu về những hạn chế, tiềm năng và ứng dụng của nó. Tôi sẽ chia sẻ những phát hiện của mình trong một loạt bài viết nghiên cứu về các khía cạnh khác nhau của cuộc đối thoại xoay quanh Mã hóa đồng cấu. Tuần này, tôi sẽ giới thiệu công nghệ này và thảo luận vì sao nó gần đây nhận được nhiều sự chú ý.Kyle Samani từ Multicoin Capital, người đã nói điều này:

"Mã hóa đồng cấu là điều mà mọi người mơ ước trong mật mã. Với thời gian, mã hóa đồng cấu sẽ thay đổi cơ sở của tất cả các hệ thống máy tính, cả trong web2 và web3."

Homomorphism là gì?

Đề cập đến vấn đề lớn, một bắt đầu khôn ngoan sẽ là hiểu ý nghĩa của 'đồng cấu'. Theo dõi nguồn gốc của nó, đồng cấu bắt nguồn từ toán học và là được xác địnhnhư một bản đồ giữa hai cấu trúc đại số cùng loại mà bảo tồn một thành phần cốt lõi giữa chúng.

Nếu bạn giống như tôi và thích một định nghĩa cụ thể hơn, một nguyên tắc cơ bản đằng sau toán học là hai nhóm không cần phải giống nhau để có cùng các thuộc tính cốt lõi. Ví dụ, hãy tưởng tượng hai hộp hoa quả, mỗi hộp tương ứng với một nhóm riêng biệt:

Hộp A chứa các loại trái cây kích thước nhỏ.
Hộp B chứa các loại trái cây cỡ lớn.

Mặc dù các loại trái cây cá nhân khác nhau về kích thước, nhưng khi ép một quả táo nhỏ và một quả cam cùng nhau trong Hộp A sẽ tạo ra một loại nước ép hỗn hợp có cùng hương vị như khi ép một quả táo lớn và một quả cam cùng nhau trong Hộp B. Việc ép trái cây để có cùng hương vị tương tự như việc bảo tồn một thành phần cốt lõi giữa cả hai hộp. Giả sử rằng hương vị giống nhau là ưu tiên hàng đầu của chúng ta, thì không quan trọng chúng ta ép trái cây từ hộp nào vì một lượng nước ép lớn/nhỏ không phải là trọng tâm. Các nhóm đều tương đương ở nơi quan trọng nhất (vị) để sự khác biệt giữa chúng (kích thước và số lượng) không ảnh hưởng đến chức năng chính của chúng, mà chúng ta xác định là tạo ra một hương vị nước ép trái cây cụ thể.

Vẽ một đối chiếu với mã hóa đồng cấu, chúng tôi đã bắt gọn hai đặc điểm chính của nó:

1. Ánh xạ: Chúng tôi thiết lập một kết nối giữa các loại trái cây sao cho mỗi trái nhỏ trong hộp A tương ứng với một phiên bản lớn hơn trong hộp B. Vì vậy, quả táo nhỏ trong hộp A tương ứng với quả táo lớn trong hộp B, và cứ thế.
2. Bảo tồn hoạt động: Nếu ép hai loại trái cây nhỏ trong Hộp A cho một hương vị cụ thể, việc ép các phiên bản lớn tương ứng của chúng trong Hộp B cũng nên cho cùng một hương vị. 'Hồ sơ hương vị' được bảo tồn mặc dù có sự khác biệt về kích thước và số lượng nước ép thu được.

Fully Homomorphic Encryption là gì?

Liên kết điều này với chủ đề trung tâm của bài viết này, mã hóa đồng cấu đầy đủ(FHE) là một phương pháp mã hóa dữ liệu cụ thể cho phép người ta thực hiện các phép tính trên dữ liệu đã được mã hóa mà không tiết lộ dữ liệu gốc. Lý thuyết, việc phân tích và tính toán trên dữ liệu đã được mã hóa đều nên tạo ra kết quả giống như việc thực hiện trên dữ liệu gốc. Với FHE, chúng ta thiết lập một kết nối 1:1 giữa dữ liệu trong tập dữ liệu đã được mã hóa tương ứng với dữ liệu trong tập dữ liệu gốc. Bảo toàn thành phần cốt lõi, trong trường hợp này, là khả năng thực hiện bất kỳ phép tính nào trên dữ liệu của bất kỳ tập nào và cho ra kết quả giống nhau.

Để hiểu rõ hơn, nhiều công ty hiện đã thực hiện các biện pháp phòng ngừa để bảo vệ dữ liệu người dùng và duy trì sự riêng tư khác biệt. Các công ty hiếm khi lưu trữ dữ liệu trên đám mây hoặc trong cơ sở dữ liệu của họ dưới dạng gốc, chưa được mã hóa. Do đó, ngay cả khi kẻ tấn công kiểm soát máy chủ của một công ty, họ vẫn phải vượt qua mã hóa để đọc và truy cập dữ liệu. Tuy nhiên, dữ liệu không thú vị khi chỉ đứng đó, được mã hóa và không sử dụng. Khi các công ty muốn thực hiện phân tích dữ liệu để rút ra những thông tin quý giá, họ không có lựa chọn tốt nào ngoài việc giải mã dữ liệu để làm điều này. Khi đã giải mã, dữ liệu trở nên dễ bị tấn công. Tuy nhiên, thông qua việc mã hóa đầu cuối, Mã hóa đồng cấu trở nên rất hữu ích vì chúng ta không cần phải giải mã dữ liệu để phân tích nó; điều này chỉ là sự khám phá bề mặt của những điều có thể xảy ra.

Một yếu tố quan trọng cần xem xét là liệu các công ty được phép đọc và lưu trữ thông tin cá nhân của chúng ta từ đầu không. Phản ứng tiêu chuẩn của nhiều người đối với điều này là các công ty cần phải xem dữ liệu của chúng ta để cung cấp dịch vụ tốt hơn cho chúng ta.

Nếu YouTube không lưu trữ dữ liệu như lịch sử xem và tìm kiếm của tôi, thuật toán sẽ không hoạt động tối đa và không thể hiển thị những video mà tôi quan tâm. Vì lý do này, nhiều người đã xem xét sự đánh đổi giữa quyền riêng tư dữ liệu và việc nhận các dịch vụ tốt hơn là đáng giá. Tuy nhiên, với Mã hóa đồng cấu Toàn cục (FHE), chúng ta không cần phải đánh đổi này nữa. Các công ty như YouTube có thể huấn luyện thuật toán trên dữ liệu đã được mã hóa và tạo ra kết quả giống nhau cho người dùng cuối mà không vi phạm quyền riêng tư dữ liệu. Cụ thể, họ có thể mã hóa đồng cấu thông tin như lịch sử xem và tìm kiếm của tôi, phân tích nó mà không cần phải nhìn vào nó do đã được mã hóa, và sau đó hiển thị cho tôi những video mà tôi quan tâm dựa trên phân tích đó.

Mã hóa đồng cấu là một bước quan trọng đối với việc xây dựng một tương lai trong đó dữ liệu của chúng ta không còn là một hàng hóa có giá trị mà chúng ta phải hy sinh để tặng cho các tổ chức một cách tự do.

Ứng dụng của Mã hóa đồng cấu đầy đủ

Mã hóa đồng cấu đầy đủ (FHE) được áp dụng đúng cách là một bước đột phá đối với tất cả các lĩnh vực lưu trữ dữ liệu người dùng. Chúng ta đang nhìn vào một công nghệ có thể biến đổi thái độ của chúng ta đối với quyền riêng tư dữ liệu và giới hạn của sự xâm phạm mà các công ty chấp nhận được.

Hãy bắt đầu bằng cách xem xét cách Mã hóa đồng cấu có thể thay đổi các thực hành dữ liệu trong ngành công nghiệp chăm sóc sức khỏeNhiều bệnh viện lưu trữ hồ sơ cá nhân của bệnh nhân trong cơ sở dữ liệu của họ, mà họ phải giữ bí mật vì lý do đạo đức và pháp lý. Tuy nhiên, thông tin này có giá trị đối với các nhà nghiên cứu y học bên ngoài có thể phân tích dữ liệu này để suy luận ra những hiểu biết quan trọng về các bệnh và phương pháp chữa trị tiềm năng. Một rào cản lớn đang làm chậm quá trình nghiên cứu là việc duy trì sự bí mật tuyệt đối của dữ liệu bệnh nhân khi gửi nó ra ngoài cho các nhà nghiên cứu. Có nhiều cách để ẩn danh hoặc bí danh hồ sơ bệnh nhân. Tuy nhiên, chúng không hoàn hảo và có thể tiết lộ quá nhiều về một người nào đó, làm cho họ có thể nhận biết, hoặc không tiết lộ đủ về các trường hợp của họ, làm cho việc thu thập thông tin chính xác về các bệnh trở nên khó khăn.

Với FHE, các bệnh viện có thể mã hóa dữ liệu bệnh nhân đồng cấu, giúp bảo vệ quyền riêng tư của bệnh nhân trên đám mây dễ dàng hơn. Các nhà nghiên cứu y tế có thể thực hiện các tính toán và chạy các chức năng phân tích trên dữ liệu được mã hóa mà không ảnh hưởng đến quyền riêng tư của bệnh nhân. Vì có ánh xạ 1: 1 giữa dữ liệu được mã hóa và thô, kết quả thu được từ tập dữ liệu được mã hóa cung cấp thông tin chi tiết thực tế có thể được áp dụng cho các trường hợp thực tế. FHE có thể nhanh chóng thúc đẩy những tiến bộ trong ngành chăm sóc sức khỏe.

Một ứng dụng hứa hẹn khác của Mã hóa đồng cấu là đào tạo Trí tuệ nhân tạo (AI). Hiện nay, ngành công nghiệp AI đối mặt với các vấn đề về quyền riêng tư, làm trì hoãn các công ty khỏi việc truy cập vào nhiều bộ dữ liệu mở rộng quan trọng để hoàn thiện các thuật toán AI. Các công ty đào tạo AI phải lựa chọn giữa việc sử dụng các bộ dữ liệu công cộng hạn chế, trả một khoản tiền lớn để mua các bộ dữ liệu riêng, hoặc tạo các bộ dữ liệu, điều này khá khó khăn đối với các công ty nhỏ có ít người dùng. Mã hóa đồng cấu nên giải quyết các vấn đề về quyền riêng tư ngăn cản nhiều nhà cung cấp bộ dữ liệu từ việc nhập cuộc vào thị trường này. Do đó, sự cải thiện trong Mã hóa đồng cấu có khả năng sẽ dẫn đến việc tăng số lượng bộ dữ liệu có sẵn để đào tạo AI. Điều này sẽ làm cho việc đào tạo AI trở nên dễ tiếp cận tài chính hơn và hoàn thiện hơn, nhờ vào việc đa dạng hóa bộ dữ liệu có sẵn.

Các Hạn chế Trong Mã hóa Đồng cấu Đầy Đủ

Nếu Mã hóa Đồng Cấu Toàn Phần (FHE) thực sự hứa hẹn biến đổi dữ liệu lớn hiện đại, tại sao chúng ta vẫn chưa thấy nhiều hơn trong thực tế?

Mặc dù Mã hóa Đồng cấu đã là một chủ đề mà mọi người đã thảo luận và nghiên cứu trong nhiều năm, thực tế là việc triển khai Mã hóa Đồng cấu trong thực tế rất khó khăn. Thách thức cốt lõi nằm ở sức mạnh tính toán cần thiết để thực thi Mã hóa Đồng cấu. Bộ dữ liệu hoàn toàn bảo mật theo hình thức đồng cấu có thể tạo ra kết quả phân tích giống hệt như dữ liệu gốc của nó. Điều này là một kỳ công đầy thách thức và đòi hỏi tốc độ tính toán nhanh và khả năng tính toán nặng nề, nhiều trong số đó là không thực tế để triển khai trên các máy tính hiện có. Một thao tác mà thông thường mất vài giây trên dữ liệu gốc có thể mất giờ hoặc ngày trên các bộ dữ liệu được mã hóa đồng cấu. Thách thức tính toán này đã tạo ra một chu kỳ tự duy trì nơi nhiều kỹ sư đều trì hoãn việc thực hiện các dự án FHE, dẫn đến việc làm chậm quá trình phát triển và hạn chế sự thực hiện đầy đủ của lợi ích của nó.

Một ví dụ cụ thể về vấn đề tính toán mà các kỹ sư đối mặt với Mã hóa đồng cấu là giải quyết 'noise error’Khi thực hiện các phép tính trên các tập dữ liệu được mã hóa đồng cấu, nhiều kỹ sư đã phải đối mặt với trường hợp nhiễu hoặc lỗi dư thừa được tạo ra mỗi khi thực hiện một phép tính. Điều này có thể chấp nhận được khi chỉ cần vài phép tính, nhưng sau nhiều phân tích, tiếng ồn có thể trở nên quá nổi bật đến mức dữ liệu ban đầu trở nên không thể hiểu được. Dữ liệu thực sự đã bị mất.

Tại sao bây giờ?

Như @matthewdwhite/một-lịch-sử-ngắn-về-trí-tuệ-tạo-ra-ai-cb1837e67106">triển khai AI tạo ra, trước đây được coi là giới hạn và nguyên thủy trước khi trở thành chính thống, Mã hóa Đồng cấu toàn diện (FHE) đang trên quỹ đạo tiến triển tương tự. Nhiều nhà lãnh đạo ngành công nghiệp, thậm chí những người vượt ra ngoài không gian blockchain, đã tụ tập để tổ chức nghiên cứu và phát triển mạnh mẽ vào FHE. Điều này đã dẫn đến một số diễn biến ngành công nghiệp gần đây, thúc đẩy một câu chuyện hấp dẫn cho sự tiến bộ của công nghệ này.

Chương trình DPRIVE

Vào tháng 3 năm 2021, Microsoft, Intel và Cơ quan Các Dự án Nghiên cứu Tiên tiến Quốc phòng (DARPA) đã đồng ý khởi động một chương trình kéo dài nhiều nămđể tăng tốc độ phát triển của Mã hóa đồng cấu đầy đủ (FHE). Được đặt tên là Bảo vệ Dữ liệu trong Môi trường Ảo (DPRIVE), chương trình này đánh dấu một bước tiến đáng kể cho FHE. Nó đã trưng bày hai ông lớn trong ngành chuyên về điện toán đám mây và phần cứng máy tính, đồng lòng để giải quyết vấn đề bảo vệ dữ liệu. Họ khởi xướng chương trình này để xây dựng máy tính và phần mềm có khả năng quản lý tốc độ tính toán FHE và thiết lập hướng dẫn cho việc triển khai FHE chính xác, bảo vệ chống lại việc xâm phạm dữ liệu có thể phát sinh từ việc sử dụng không chính xác.

Là một phần của chương trình DPRIVE, các kỹ sư đã đảm nhận nhiệm vụ giảm thiểu lỗi 'tiếng ồn' được đề cập trước đó bằng cách khám phá các phương pháp để giảm tiếng ồn xuống mức duy trì dữ liệu nguyên thô. Một giải pháp hứa hẹn đã được thiết kế Kích thước từ số học lớn(LAWS) biểu diễn dữ liệu. Trong khi bộ xử lý máy tính truyền thống (CPUs) thường sử dụng từ dài 64 bit, các kỹ sư đều đang phát triển phần cứng mới có khả năng xử lý từ dài 1024 bit trở lên với LAWS. Phương pháp này đã hiệu quả vì nghiên cứu cho thấy rằng từ dài hơn trực tiếp ảnh hưởng đến tỷ lệ tín hiệu/độ ồn. Để nói một cách đơn giản, từ dài tạo ra ít nhiễu hơn sau mỗi bước tính toán bổ sung trong FHE, cho phép thực hiện nhiều tính toán hơn trước khi đạt ngưỡng mất dữ liệu. Bằng cách xây dựng phần cứng mới để giải quyết những thách thức này, các kỹ sư tham gia chương trình DPRIVE giảm đáng kể tải lực tính toán cần thiết để thực thi FHE.

Để tăng tốc độ tính toán và tiến gần hơn đến mục tiêu làm cho Mã hóa đồng cấu nhanh hơn 100.000 lần, nhóm DPRIVE đã bắt đầu một hành trình liên tục để thiết kế các hệ thống xử lý dữ liệu mới vượt qua khả năng của các đơn vị xử lý và đồ thị truyền thống. Họ đã phát triển một hệ thống xử lý dữ liệu mới Nhiều Hướng Dẫn Nhiều Dữ Liệu(MIMD) hệ thống có khả năng quản lý đồng thời nhiều hướng dẫn và bộ dữ liệu. MIMD tương tự như việc xây dựng một con đường cao tốc mới thay vì sử dụng những con đường hiện tại không đủ trang bị để chứa lượng giao thông cần thiết cho các phép tính nhanh, thời gian thực của FHE.

Điều đáng chú ý về chương trình DPRIVE là việc sử dụng rộng rãi của nó đến 'song song' trong các phép tính toán toán học máy tính. Điều này cho phép các nhà phát triển thực hiện nhiều phép tính số lớn đồng thời. Bạn có thể nghĩ về song song như việc triển khai một nhóm nhà toán học để làm việc trên các phần khác nhau của một vấn đề toán học khổng lồ cùng một lúc thay vì để mỗi người trong số họ làm việc một sau một. Mặc dù việc thực hiện nhiều phép tính đồng thời giúp giải quyết vấn đề nhanh chóng, máy tính phải được làm mát bằng không khí để ngăn chặn quá nhiệt.

Vào tháng 9 năm 2022, hơn một năm rưỡi sau khi khởi động chương trình, Microsoft, Intel và DARPA đã thông báoHọ đã hoàn thành thành công Giai đoạn 1 của chương trình DPRIVE. Hiện họ đang tiến hành Giai đoạn 2 của DPRIVE.

SDKs và Thư viện Mã nguồn Mở

Với nhiều tập đoàn lớn tiên phong trong việc tiến bộ trong Mã hóa Đồng Cấu Toàn Phần (FHE), đã có một sự bùng nổ trong việc có sẵn các Bộ công cụ Phát triển Phần mềm (SDK) và thư viện mã nguồn mở cho phép các nhà phát triển xây dựng trên cơ sở công việc của nhau.

Microsoft đã thông báoSự ra mắt của Microsoft Seal, một thư viện mã nguồn mở cung cấp cho các nhà phát triển các công cụ để thực hiện mã hóa đồng cấu trên các tập dữ liệu. Điều này làm cho việc truy cập vào dịch vụ mã hóa end-to-end và tính toán trở nên dân chủ hơn, cho phép một loạt lớn các nhà phát triển khám phá FHE. Thư viện cung cấp các ví dụ về các chương trình được mã hóa theo cách đồng cấu, kèm theo nhận xét chi tiết, để hướng dẫn các nhà phát triển sử dụng đúng và an toàn.

Intel cũngra mắtBộ công cụ Mã hóa Đồng Cấu riêng của mình, cung cấp cho các nhà phát triển các công cụ để hỗ trợ việc mã hóa đồng cấu nhanh hơn trong đám mây. Intel thiết kế bộ công cụ này linh hoạt, đảm bảo tính tương thích với những tiến bộ xử lý dữ liệu và tính toán mới nhất. Nó bao gồm các chức năng chuyên biệt được tùy chỉnh cho mật mã lưới, tích hợp để hoạt động mượt mà với Microsoft Seal, các mẫu của các kế hoạch được mã hóa đồng cấu, và tài liệu kỹ thuật để hướng dẫn người dùng.

Google’s Join và Tính toán Riêng tưThư viện mã nguồn mở cung cấp cho các nhà phát triển các công cụ tính toán đa bên (MPC). Phương pháp tính toán này cho phép các bên có thông tin chung bằng cách kết hợp các bộ dữ liệu khác nhau mà không tiết lộ dữ liệu gốc của họ cho nhau. Private Join and Compute kết hợp các kỹ thuật mật mã từ FHE với Private Set Intersection (PSI) để tối ưu hóa các phương pháp bảo mật dữ liệu. PSI, một phương pháp mật mã khác, cho phép các bên có các bộ dữ liệu khác nhau xác định các phần tử hoặc điểm dữ liệu chung mà không tiết lộ dữ liệu của họ. Phương pháp tiếp cận của Google đối với việc nâng cao quyền riêng tư dữ liệu không chỉ tập trung vào FHE mà ưu tiên khái niệm rộng lớn hơn về MPC bằng cách tích hợp FHE với các phương pháp dữ liệu ảnh hưởng khác.

Sự sẵn có ngày càng nhiều thư viện mã nguồn mở đáng tin cậy cho FHE đáng chú ý. Tuy nhiên, nó trở nên hấp dẫn hơn khi quan sát các công ty uy tín thử nghiệm với những thư viện này trong hoạt động của họ. Vào tháng 4 năm 2021, Nasdaq, một sàn giao dịch chứng khoán nổi tiếng và công ty công nghệ toàn cầu cho thị trường vốn, được hợp nhấtMã hóa đồng cấu vào hoạt động của mình. Sử dụng công cụ FHE của Intel và bộ xử lý tốc độ cao, Nasdaq đã giải quyết tội phạm tài chính thông qua nỗ lực chống rửa tiền và phát hiện gian lận. Điều này được thực hiện bằng cách sử dụng mã hóa đồng cấu để xác định những thông tin giá trị và hoạt động có khả năng vi phạm trong các bộ dữ liệu chứa thông tin nhạy cảm.

Việc Huy động Vốn Gần đây

Ngoài việc nghiên cứu và phát triển do các công ty đã đề cập trước, một số công ty khác cũng gần đây đã bảo đảm được vòng gọi vốn đáng kể cho các dự án tập trung vào Mã hóa Đồng Cấu Toàn Phần (FHE)

Cornami, một công ty công nghệ lớn, được tôn vinh vì tiên phong trong việc phát triển công nghệ cloud có thể mở rộng được thiết kế đặc biệt cho Mã hóa đồng cấu. Họ đang tham gia vào nhiều nỗ lực để tạo ra hệ thống máy tính hỗ trợ FHE hiệu quả hơn so với CPU truyền thống. Họ cũng điều hành các sáng kiến nhằm bảo vệ dữ liệu được mã hóa khỏi các mối đe dọa từ máy tính lượng tử. Vào tháng 5 năm 2022, Cornami thông báomột vòng gọi vốn Series C thành công, giành được 68 triệu đô la dẫn đầu bởi Softbank và nâng tổng số vốn gọi được lên 150 triệu đô la.

Zamalà một công ty khác trong ngành công nghiệp blockchain đang xây dựng các công cụ mã hóa đồng cấu mã nguồn mở mà các nhà phát triển có thể tận dụng để xây dựng các ứng dụng hấp dẫn bằng FHE, blockchain và AI. Zama đã xây dựng Máy ảo Ethereum hoàn toàn đồng cấu (fhEVM) là một phần của các sản phẩm của mình. Giao thức hợp đồng thông minh này cho phép dữ liệu giao dịch trên chuỗi được mã hóa trong quá trình xử lý. Các nhà phát triển khám phá các ứng dụng khác nhau với thư viện của Zama đã ấn tượng với hiệu suất, ngay cả trong các trường hợp sử dụng phức tạp.đóng thành côngvòng gọi vốn Series A trị giá 42 triệu đô la vào tháng 2 năm 2022, do Protocol Labs dẫn đầu, nâng tổng vốn huy động lên 50 triệu đô la.

Fhenixcũng là một dự án mới nổi đang mang Mã hóa đồng cấu đến blockchain. Mục tiêu của họ là mở rộng các ứng dụng Mã hóa đồng cấu vượt ra ngoài thanh toán bảo mật, mở ra cánh cửa cho những điều hấp dẫn các trường hợp sử dụngcủa FHE trong các lĩnh vực như tài chính phi tập trung (DeFi), cầu nối, bỏ phiếu quản trị, và trò chơi Web3. Vào tháng Chín năm 2023, Fhenix thông báoviệc đóng vòng gọi vốn Hạt giống 7 triệu đô la của mình, do Multicoin Capital và Collider Ventures dẫn đầu.

Cái tiếp theo là gì?

Trong nhiều năm, Mã hóa đồng cấu hoàn toàn (FHE) vẫn chỉ là một ý tưởng hứa hẹn về việc mã hóa end-to-end mạnh mẽ, đánh dấu một tương lai về quyền riêng tư dữ liệu mạnh mẽ. Các tiến triển gần đây đang dần đưa FHE từ một giấc mơ lý thuyết thành một hiện thực thực tế. Mặc dù có nhiều công ty cạnh tranh để tiên phong triển khai phiên bản FHE mạnh mẽ, hoàn toàn hoạt động đầu tiên, nhưng nhiều công ty đều đang hợp tác để vượt qua những khó khăn của công nghệ đáng sợ này cùng nhau. Tinh thần hợp tác này được thể hiện qua việc triển khai các chương trình giao động đội ngũ và phát triển các thư viện mã nguồn mở tích hợp với các thư viện khác.

Dựa vào những phát hiện của tôi, cuộc thảo luận xoay quanh Mã hóa đồng cấu dường như rất sâu rộng. Trong vài tuần tới, tôi rất háo hức để tìm hiểu sâu hơn, chia sẻ thêm thông tin chi tiết từ nghiên cứu của tôi về Mã hóa đồng cấu. Cụ thể, tôi rất háo hức để khám phá thêm về các chủ đề như:

• Các ứng dụng mới nổi của Mã hóa đồng cấu.
• Sự tương tác giữa Zero-Knowledge Proofs (ZKPs) và Mã hóa đồng cấu (FHE).
• Kết hợp Mã hóa đồng cấu với Phép giao của tập hợp riêng tư (PSI) để thúc đẩy tính toán đa bên an toàn (MPC).
• Các công ty mới, như Zama và Fhenix, đang tiên phong trong việc phát triển về Mã hóa đồng cấu (FHE).
  

Trích dẫn:

Arampatzis, Anastasios. “Latest Developments in Mã hóa đồng cấu.” Venafi, 1 Feb. 2022, venafi.com/blog/cac-phat-trien-moi-nhat-ve-ma-hoa-dong-cau-dat-cau-hoi-cho-cac-chuyen-gia/.

Arampatzis, Anastasios. “What Is Mã hóa đồng cấu & How Is It Used.” Venafi, 28 Apr. 2023, venafi.com/blog/Mã hóa đồng cấu-what-it-and-how-it-used/.

"Xây dựng phần cứng để cho phép bảo vệ dữ liệu liên tục." DARPA, 2 Tháng 3, 2020,www.darpa.mil/news-events/2020-03-02.

Cristobal, Samuel. “Fully Homomorphic Encryption: The Holy Grail of Cryptography.” Datascience.Aero, 7 Jan. 2021, datascience.aero/fully-homomorphic-encryption-the-holy-grail-of-cryptography/.

“Mã hóa đồng cấu: Điều Đó Là Gì và Tại Sao Nó Quan Trọng?” Internet Society, 9 Thg 3, 2023, www.internetsociety.org/resources/doc/2023/homomorphic-encryption/.

Hunt, James. “FHENIX Raises $7 Triệu trong vòng gọi vốn hạt giống do Multicoin Capital dẫn đầu.” The Block, The Block, 26 tháng 9 năm 2023,www.theblock.co/post/252931/fhenix-seed-multicoin-capital.

"Bộ công cụ Mã hóa Đồng Cấu Intel®." Intel, www.intel.com/content/www/us/en/developer/tools/Mã hóa đồng cấu/overview.html#gs.fu55im.Truy cập vào ngày 8 tháng 10 năm 2023.

“Intel hợp tác với Microsoft trên CHƯƠNG TRÌNH DARPA.” Intel, 8 thg. 3 năm 2021,www.intel.com/content/www/us/en/newsroom/news/intel-collaborate-microsoft-darpa-program.html#gs.ftusxq.

"Intel Xeon Advances NASDAQ’s Mã hóa đồng cấu R&D." Intel, 6 Apr. 2021, www.intel.com/content/www/us/en/newsroom/news/xeon-advances-nasdaqs-homomorphic-encryption-rd.html#gs.6mpgme.

Johnson, Rick. “Intel hoàn thành cột mốc giai đoạn một của DARPA DPRIVE cho một Nền tảng Mã hóa Đồng cấu Hoàn toàn.” Intel, 14 Tháng 9, 2022, community.intel.com/t5/Blogs/Products-and-Solutions/HPC/Intel-Completes-DARPA-DPRIVE-Phase-One-Milestone-for-a-Fully/post/1411021.

"Microsoft Seal: Thư viện Mã hóa Đồng cấu Nhanh và Dễ sử dụng." Nghiên cứu của Microsoft, ngày 4 tháng 1 năm 2023,www.microsoft.com/en-us/research/project/microsoft-seal/.

Paillier, Tiến sĩ Pascal. “Mã hóa đồng cấu đầy đủ: Chìa khóa Thánh Graal của mật mã học.” Tuổi Thọ Doanh nghiệp, 9 thg 3, 2023,www.businessage.com/post/fully-homomorphic-encryption-the-holy-grail-of-cryptography

Samani, Kyle. “Bình Minh của Mã hóa đồng cấu trên chuỗi.” Multicoin Capital, 26 Tháng Chín 2023, multicoin.capital/2023/09/26/the-dawn-of-on-chain-fhe/.

Walker, Amanda, et al. “Hỗ trợ tổ chức làm nhiều việc hơn mà không cần thu thập thêm dữ liệu.” Google Online Security Blog, 19 tháng 6 năm 2019,security.googleblog.com/2019/06/helping-organizations-do-more-without-collecting-more-data.html.

“Mã Hóa Đồng Cấu Toàn Phần Là Gì?” Inpher, 11 Th4. 2021, inpher.io/technology/what-is-fully-homomorphic-encryption/.

White, Matt. “Một Lịch Sử Ngắn Về Trí Tuệ Nhân Tạo Sáng Tạo.” Medium, 8 Tháng 7, 2023, matthewdwhite.medium.com/a-brief-history-of-generative-ai-cb1837e67106#:~:text=Mặc%20dù%20hầu%20hết%20mọi%20người%20sẽ%20thừa%20nhận%2C%20sự%20mở%20của%20AI%20có%20tính%20ổn%20định%20và%20sự%20lan%20truyền%20ổn%20định.

Miễn trừ trách nhiệm：

1. Bài viết này được tái bản từ [ @mustafa.hourani/explaining-the-recent-rise-of-fully-homomorphic-encryption-in-the-blockchain-industry-c7081fa05458">Medium].Chuyển tiêu đề gốc 'Giải thích về Sự Tăng trưởng Gần Đây của Mã Hóa Đồng Cấu Hoàn Toàn trong Ngành Công Nghiệp Blockchain'. Tất cả bản quyền thuộc về tác giả gốc [Mustafa Hourani]. Nếu có bất kỳ ý kiến phản đối nào về việc tái in này, vui lòng liên hệ với Gate Họcđội và họ sẽ xử lý nó ngay lập tức.
2. Bản quyền từ chối trách nhiệm: Các quan điểm và ý kiến được thể hiện trong bài viết này chỉ thuộc về tác giả và không tạo thành bất kỳ lời khuyên đầu tư nào.
3. Các bản dịch của bài viết sang các ngôn ngữ khác được thực hiện bởi nhóm Gate Learn. Trừ khi được đề cập, việc sao chép, phân phối hoặc đạo văn các bài viết dịch là không được phép.