Bitcoin, ra đời gần 14 năm trước, đã cách mạng hóa giao dịch tài chính bằng cách loại bỏ các trung gian. Sự xuất hiện của Ethereum và hợp đồng thông minh đã tiếp tục tăng tốc xu hướng này, loại bỏ các trung gian khỏi các sản phẩm tài chính phức tạp như giao dịch, cho vay và tùy chọn. Tuy nhiên, chi phí của việc loại bỏ trung gian thường là sự hy sinh của quyền riêng tư. Danh tính và giao dịch trên chuỗi của chúng ta dễ dàng bị theo dõi bởi các sàn giao dịch tập trung, các cung đường vào/ra, các công ty phân tích trên chuỗi và nhiều thực thể khác. Sự minh bạch trên chuỗi này hạn chế sự mở rộng của Web 3 đến nhiều trường hợp sử dụng như thanh toán doanh nghiệp, giao dịch trên chuỗi độc quyền và nhiều ứng dụng khác.

Vấn đề này không mới và nhiều dự án, ví dụ, zCash, đã cố gắng giải quyết từ năm 2016 bằng cách giới thiệu các công nghệ như Zero-Knowledge Proofs (ZKPs). Kể từ đó, công nghệ ZK đã tiến triển với tốc độ đáng kinh ngạc. Hơn nữa, nhiều công nghệ khác như Fully Homomorphic Encryption (FHE) và secure Multi-party Computations (MPC) đang nổi lên để giải quyết các tình huống phức tạp hơn trong việc sử dụng dữ liệu riêng trên chuỗi, gọi là Private State.

Tại Alliance, chúng tôi tin rằng quyền riêng tư trên chuỗi sẽ tạo điều kiện sử dụng mà trước đây không thể thực hiện được và do đó sẽ là một chủ đề cốt lõi trong Web 3 trong vài năm tới. Nếu bạn là người sáng lập xây dựng cơ sở hạ tầng riêng tư hoặc ứng dụng yêu cầu trạng thái riêng tư, chúng tôi muốn hỗ trợ bạn. Bạn có thể liên hệ và áp dụng cho Liên minh.

Các loại trạng thái riêng tư khác nhau

Sử dụng dữ liệu riêng tư trên chuỗi tự nhiên có nghĩa là dữ liệu này đã được mã hóa. Sự riêng tư của dữ liệu đó phụ thuộc vào sở hữu của chìa khóa mã hóa/giải mã. Chìa khóa này, tức là chìa khóa riêng tư thường khác với Chìa khóa Riêng tư thông thường, tức là chìa khóa để ký giao dịch. Chìa khóa đầu tiên chỉ kiểm soát sự riêng tư của dữ liệu, sau đó kiểm soát việc thay đổi dữ liệu này.

Bản chất sở hữu của Khóa Riêng tư dẫn đến các loại trạng thái riêng tư khác nhau. Loại trạng thái riêng tư ảnh hưởng đáng kể đến cách thể hiện trạng thái này trên chuỗi và cách tiếp cận tốt nhất để xử lý trạng thái này. Nói chung, trạng thái riêng tư có thể được chia thành Trạng thái Riêng tư Cá Nhân (PPS) và Trạng thái Riêng tư Chia sẻ (SPS)

Trạng thái riêng tư cá nhân

Điều này có nghĩa là dữ liệu/trạng thái được sở hữu bởi một thực thể duy nhất và chỉ có thực thể này mới có thể xem hoặc thay đổi nó. Thực thể này cũng có thể quyết định cho phép người khác xem dữ liệu, ví dụ, bằng cách chia sẻ một khóa xem cho tất cả hoặc một phần của dữ liệu này. Các ví dụ về trạng thái riêng này bao gồm:

• Số dư token riêng tư
• Thông tin cá nhân hoặc thông tin cá nhân. điều này bao gồm tuổi, quốc tịch, tình trạng chứng nhận của nhà đầu tư, tài khoản Twitter hoặc bất kỳ dữ liệu Web 2 nào khác có thể được sử dụng trong Web 3
• Lịch sử giao dịch riêng

Trạng thái riêng được chia sẻ

Một trạng thái riêng tư chia sẻ (SPS) là dữ liệu riêng tư mà nhiều người có thể thay đổi/sử dụng để tính toán mà không phá vỡ quyền riêng tư. Một SPS có thể là một trạng thái mà bất kỳ ai cũng có thể truy cập và do đó có thể bị thay đổi bởi bất kỳ người dùng nào. Điều này có thể là trạng thái của một dark pool AMM, trạng thái của một hồ cho vay riêng tư, v.v. Một SPS cũng có thể bị giới hạn chỉ đối với một nhóm nhỏ các người tham gia có thể truy cập hoặc thay đổi dữ liệu. Ví dụ về trường hợp này bao gồm trạng thái của một trò chơi nhiều người chơi trên chuỗi mà bạn chỉ cho phép những người chơi đang hoạt động thay đổi trạng thái. Nó cũng có thể bao gồm đầu vào riêng tư cho mô hình trí tuệ nhân tạo trên chuỗi, nơi chỉ có một số ít thực thể, ví dụ, người vận hành mô hình, có thể chạy tính toán trên dữ liệu riêng tư.

SPS khó quản lý hơn là trạng thái riêng tư cá nhân. Luôn khó để suy luận về loại tính toán có thể thực hiện trên SPS và xem liệu tính toán này có thể rò rỉ thông tin về nó hay không. Ví dụ, thực hiện một giao dịch đối với một dark-pool AMM có thể rò rỉ một số thông tin về tính thanh khoản bên trong pool.

ZKPs, FHE, and MPC

Có những cách tiếp cận khác nhau để xử lý trạng thái riêng trên chuỗi. Mỗi cách tiếp cận phù hợp cho một loại trạng thái riêng cụ thể và do đó là một tập hợp ứng dụng cụ thể. Trong nhiều trường hợp, việc tạo ra một ứng dụng hữu ích đòi hỏi kết hợp các cách tiếp cận này với nhau.

Chứng minh không biết

Cách tiếp cận đầu tiên xuất hiện để xử lý quyền riêng tư trên chuỗi là sử dụng ZKPs. Cách tiếp cận này đặc biệt phù hợp với dữ liệu riêng tư cá nhân. Trong cách tiếp cận này, chủ sở hữu dữ liệu có thể đơn giản giải mã dữ liệu tại địa phương bằng khóa riêng tư của họ, thực hiện bất kỳ thay đổi cần thiết, mã hóa kết quả bằng khóa của họ, và cuối cùng tạo ra một ZKP để chứng minh cho mạng lưới rằng các thay đổi vào trạng thái riêng tư là hợp lệ.

Điều này làm cho ZK đặc biệt phù hợp cho các mạng thanh toán, ví dụ, zCash, Iron Fish và nhiều mạng khác. Trong kiến trúc này, khi người dùng thực hiện giao dịch bằng tài sản riêng, họ thực hiện toàn bộ tính toán tại địa phương, tức là tiêu UTXOs và tạo ra các UTXO mới cho người nhận, và sửa đổi số dư token riêng của họ. Do tính toán và tạo ra ZKP diễn ra tại địa phương trên thiết bị của người dùng, sự riêng tư của số dư và lịch sử giao dịch được bảo vệ. Các thợ đào mạng chỉ thấy ZKP được tạo ra và UTXO được mã hóa mới.

Mặc dù tính toán cần thiết để thực hiện thanh toán đơn giản, trải nghiệm người dùng của các thanh toán riêng tư đã khó khăn do thời gian tạo ZKP kéo dài. Tuy nhiên, với sự cải thiện đáng kể trong hệ thống chứng minh zk, thời gian tạo bằng chứng cho các thanh toán đơn giản đã giảm xuống dưới 1 giây trên phần cứng tiêu dùng. Điều này cũng cho phép giới thiệu khả năng lập trình chung vào các hệ thống dựa trên zk.AztecvàAleolà hai mạng lưới tuyệt vời đang mang lại sự có thể lập trình chung cho các chuỗi dựa trên zk. Aztec và Aleo có một số sự khác biệt nhưng cả hai đều dựa nhiều vào Mô hình ZEXETrong mô hình này, mỗi ứng dụng phải được thực hiện dưới dạng mạch zk. Điều này tạo ra nhu cầu về cả hai mạng lưới để trừu tượng hóa sự phức tạp của zk cho các nhà phát triển ứng dụng và người dùng. Điều này đòi hỏi việc tạo ra các ngôn ngữ lập trình cấp cao, ví dụ, Noir (Aztec) và Leo (Aleo), có thể chuyển đổi mã cấp cao một cách hiệu quả thành các mạch zk.

Ví dụ, Aztec sử dụng Noir và khung phát triển hợp đồng thông minh kết hợp của nó, Aztec.nr, để phá vỡ mọi hợp đồng thông minh thành một tập hợp các chức năng. Mỗi chức năng được thực hiện dưới dạng mạch zk. Người dùng có thể thực hiện tính toán tổng quát trên dữ liệu riêng của họ bằng cách tải xuống các chức năng cần thiết và thực hiện tính toán tại địa phương trên thiết bị của họ. Chi tiết về cách thực thi hợp đồng thông minh của Aztec đã được thảo luận trong đây luồng.

Việc triển khai như Aztec đã cải thiện đáng kể tính khả dụng của các hệ thống zk bằng cách giới thiệu tính khả chương trình chung. Tuy nhiên, các hệ thống như vậy vẫn đối mặt với một số thách thức:

1. Bất kỳ tính toán nào trên trạng thái riêng cần phải xảy ra ở phía máy khách. Điều này làm giảm trải nghiệm người dùng và yêu cầu người dùng phải có thiết bị có khả năng để sử dụng mạng.
2. Phương pháp zk không phù hợp để xử lý trạng thái riêng được chia sẻ. Theo mặc định, tất cả các ứng dụng đều có trạng thái công khai. Điều này khiến việc xây dựng các ứng dụng như trò chơi thông tin không đầy đủ và DeFi riêng tư trở nên thách thức.
3. Sự kết hợp khó khăn hơn, không thể thực hiện các giao dịch yêu cầu thay đổi nhiều trạng thái riêng lẻ vì mỗi trạng thái cần được tính toán bởi một người dùng riêng lẻ. Những giao dịch như vậy cần phải được chia nhỏ và mỗi phần được thực thi trong một khối riêng biệt.
4. Cũng có thách thức về khả năng khám phá dữ liệu riêng tư. Nếu người dùng nhận được một giao dịch với trạng thái riêng tư, họ không thể khám phá trạng thái này trừ khi họ tải xuống toàn bộ trạng thái riêng tư của mạng, cố gắng giải mã từng phần của nó bằng khóa riêng tư của họ. Điều này tạo ra một UX khó khăn cho người dùng ngay cả khi thực hiện các công việc đơn giản như truy vấn số dư của họ như đã được giải thích bởi điều này luồng.

Ứng dụng phù hợp cho các hệ thống dựa trên zk

Các cam kết về quyền riêng tư mạnh mẽ của zk khiến nó phù hợp cho một số lượng đáng kể các trường hợp sử dụng

Mạng xã hội ẩn danh

Một số nhân vật nổi tiếng không thể chia sẻ suy nghĩ và trải nghiệm thật sự của mình vì lo sợ phản ứng và bị hủy hoại xã hội. Điều này thúc đẩy một loại hình mới của truyền thông xã hội, nơi mà người tham gia có thể chứng minh riêng mình một số đặc điểm nhất định, chẳng hạn như tài sản trên chuỗi hoặc sở hữu một NFT cụ thể, và sử dụng chứng minh này để đăng bài một cách ẩn danh mà không tiết lộ danh tính thật sự của họ. Các ví dụ bao gồm Bài Hát Cá Voinguyên mẫu bởi đồng nghiệp của tôiDavid,

Thông tin dấu vết riêng trên chuỗi khối

Một ví dụ liên quan là cho phép những người có các thông tin xác thực cụ thể tham gia một DAO mà không tiết lộ danh tính hoặc bỏ phiếu một cách ẩn danh cho các chủ đề yêu cầu chuyên môn cụ thể. Một ví dụ về Web 3 về điều đó là HeyAnoun. Một lĩnh vực ứng dụng lớn hơn đang tận dụng các thông tin định danh IRL, ví dụ, tài sản IRL, bằng cấp học vị, để tham gia một cách ẩn danh vào các giao thức trên chuỗi. Việc đưa thông tin định danh IRL riêng tư lên chuỗi có thể kích hoạt nhiều trường hợp sử dụng như cho vay DeFi không tài sản đảm bảo, KYC trên chuỗi, hoặc cắt địa lý. ZK phù hợp cho những trường hợp sử dụng này vì nó cho phép sự tồn tại của các khóa xem chuyên biệt cho các phần của trạng thái riêng tư có thể được sử dụng trong các trường hợp cụ thể, ví dụ, mặc định vay vốn.

Thách thức chính của việc đưa thông tin xác thực IRL lên chuỗi là làm thế nào để đảm bảo tính xác thực của dữ liệu/thông tin xác thực IRL. Một số phương pháp như zkEmailvàTLSNotaryđịa chỉ vấn đề này thông qua xác thực lưu lượng web đến các miền web cụ thể và rằng miền chứa dữ liệu cần thiết.

Thanh toán/hóa đơn doanh nghiệp

Một phần quan trọng của các khoản thanh toán riêng tư là thanh toán doanh nghiệp. Các công ty thường không muốn tiết lộ đối tác/supplier kinh doanh hoặc các điều khoản hợp đồng trong các thỏa thuận của họ. Sự minh bạch của các khoản thanh toán trên chuỗi đã hạn chế việc áp dụng thanh toán bằng stablecoin cho doanh nghiệp. Với sự riêng tư trên chuỗi đúng đắn,sự áp dụng thanh toán trên chuỗi của doanh nghiệpcó thể được tăng tốc dựa trên hiệu suất cải thiện và hiệu quả về chi phí so với hệ thống ngân hàng hiện có.

phương pháp FHE

Fully Homomorphic Encryption cho phép thực hiện các phép tính trên dữ liệu đã được mã hóa và tạo ra kết quả mã hóa chính xác mà không cần giải mã dữ liệu trong quá trình tính toán. Điều này khiến FHE đặc biệt phù hợp cho việc xử lý trạng thái riêng được chia sẻ. Với FHE, có thể tạo ứng dụng trên chuỗi có trạng thái riêng, chẳng hạn như các hồ bơi AMM riêng tư hoặc một hộp bỏ phiếu riêng tư. Trạng thái riêng tồn tại trên chuỗi dưới dạng đã được mã hóa cho phép bất kỳ người dùng nào thực hiện tính toán trên dữ liệu này. Kết hợp FHE trên chuỗi có thể kích hoạt và đơn giản hóa nhiều trường hợp sử dụng mà trước đây không thể, chẳng hạn như bỏ phiếu riêng tư và trò chơi thiếu thông tin, ví dụ, Poker.

Ưu điểm FHE

Một lợi ích đáng kể của FHE là cải thiện tính kết hợp trong nhiều khía cạnh.

1. Nhiều giao dịch/người dùng có thể thay đổi cùng một trạng thái riêng tư trong cùng một khối. Ví dụ, nhiều lần trao đổi có thể sử dụng cùng một hồ bơi tối.
2. Một giao dịch duy nhất có thể thay đổi nhiều trạng thái riêng tư khác nhau. Ví dụ, một giao dịch trao đổi có thể sử dụng nhiều hồ bơi AMM tối mật để hoàn tất một giao dịch trao đổi.

Một lợi ích khác là trải nghiệm người dùng được cải thiện. Trong FHE, các phép tính trên trạng thái riêng tư được thực hiện bởi các bộ xác nhận mạng có thể triển khai phần cứng chuyên dụng để thực hiện các phép tính này nhanh hơn.

Một ưu điểm thứ ba của FHE là trải nghiệm phát triển được cải thiện. Mặc dù các nhà phát triển vẫn phải cập nhật mô hình tư duy của họ để xử lý đúng trạng thái riêng, rào cản này thấp hơn nhiều so với các hệ thống zk. Thứ nhất, các hệ thống FHE có thể hoạt động với cùng một mô hình tài khoản mà các chuỗi hợp đồng thông minh sử dụng. Thứ hai, các hoạt động FHE có thể được thêm vào trên cơ sở các triển khai VM hiện có, cho phép người dùng sử dụng các khung phát triển, công cụ, ví tiền và cơ sở hạ tầng giống như họ đã sử dụng. Điều này đúng cho fhEVMthực hiện từZamađã đơn giản chỉ thêm các biến được mã hóa và các hoạt động FHE như precompiles. Một cách không hợp lý, ưu điểm này quan trọng cho sự phát triển của các ứng dụng riêng tư trên chuỗi, các nhà phát triển là chìa khóa để tạo ra các ứng dụng thú vị thu hút người dùng. Một trải nghiệm phát triển mượt mà có thể thu hút nhiều nhà phát triển hơn vào không gian FHE.

Giới hạn của FHE

Giả định về Sự Riêng tư và Niềm tin

FHE chains yêu cầu các khóa mã hóa/giải mã toàn cầu cho tất cả trạng thái riêng tư. Điều này rất quan trọng để đạt được tính linh hoạt. Thông thường, các khóa này được duy trì bởi nhóm xác minh để có thể giải mã kết quả của các hoạt động FHE trên trạng thái riêng tư. Điều này có nghĩa là nhóm xác minh cũng Đáng tin cậykhông phá vỡ quyền riêng tư của các trạng thái riêng hiện tại.

Tiềm năng rò rỉ thông tin riêng tư
Việc thực hiện nhiều phép tính trên dữ liệu được mã hóa có thể phá vỡ quyền riêng tư. Ví dụ, các giao dịch được thực hiện trên một hồ bơi AMM tối tăm có thể tiết lộ một số thông tin về cấu trúc thanh khoản hiện tại của hồ bơi.

Độ phức tạp tính toán của tính toán FHE

Ngay cả với việc triển khai tiên tiến, các hoạt động FHE thường tốn kém về mặt tính toán từ 1000 lần đến 1.000.000 lần so với tính toán thông thường. Độ phức tạp này giới hạn khả năng xử lý của các ứng dụng FHE on-chain. Ước lượng hiện tại từ Mạng Lưới Inco cho thấy mức xử lý giữa 1-5 TPS cho các hoạt động FHE. Với việc tăng tốc bằng GPU và FPGA, mức xử lý này có thể được tăng gấp 10-50 lần.

Nguồn:https://eprint.iacr.org/2021/1402.pdf

Ứng dụng phù hợp cho các hệ thống FHE

Hệ thống FHE đặc biệt thích hợp cho các ứng dụng yêu cầu mức độ có thể tổ hợp cao

Trò chơi thông tin không đầy đủ. Ví dụ ở đây bao gồm trò chơi bài, ví dụ như poker, nơi trạng thái của bộ bài có thể truy cập và có thể được sửa đổi bởi nhiều người chơi.

Bỏ phiếu riêng tư, FHE giúp đơn giản hóa việc triển khai cuộc thăm dò bí mật khi phiếu bầu có thể thay đổi kết quả bầu cử mà không cần biết kết quả bầu cử trước đó

Private AMM, việc triển khai các AMM riêng tư hoặc các hồ bơi DeFi riêng tư nói chung được đơn giản hóa bằng cách biểu diễn trạng thái hồ bơi dưới dạng biến được mã hóa.

phương pháp MPC

Multi-party Computing (MPC) đã được biết đến và phổ biến trong ngành công nghiệp tiền điện tử với trường hợp sử dụng cụ thể là quản lý tài sản. Một số công ty lớn nhất trong lĩnh vực này, vd. Fireblocksđã xây dựng các doanh nghiệp thành công xung quanh việc sử dụng MPC an toàn cho việc giữ tiền đồng thời. Hơn nữa, nhiều nhà cung cấp ví dịch vụ, ví dịch vụ, ví dịch vụ, ví dịch vụ, ví dịch vụ, ví dịch vụ, ví dịch vụ, ví dịch vụ, ví dịch vụ, ví dịch vụ,0xPass, sử dụng MPC để cải thiện an ninh và UX của ví.

Tuy nhiên, MPC có thể được sử dụng để nhiều hơn là bảo vệ khóa riêng tư. Nói chung, MPC giải quyết vấn đề thực hiện tính toán trên các đầu vào riêng tư, tức là dữ liệu, và chỉ tiết lộ kết quả của các tính toán mà không phá vỡ tính riêng tư của các đầu vào. Trong ngữ cảnh cụ thể của việc giữ tài sản, các đầu vào riêng tư là các mảnh của khóa riêng tư. Chủ sở hữu của những mảnh này hợp tác để thực hiện “tính toán” trên các đầu vào riêng tư này. Việc tính toán ở đây là tạo chữ ký giao dịch. Các bên tham gia ở đây cùng nhau tạo ra và giải mã chữ ký mà không ai trong số họ có quyền truy cập vào các đầu vào riêng tư, tức là khóa riêng tư.

Tương tự, MPC cho phép bất kỳ loại tính toán nào trên dữ liệu riêng mà không tiết lộ nó. Điều này cho phép MPC xử lý trạng thái riêng tư trong ngữ cảnh Blockchain. Một ví dụ về điều đó là việc đào tạo trí tuệ nhân tạo phi tập trung trên các tập dữ liệu riêng. Các chủ sở hữu dữ liệu khác nhau và các nhà cung cấp tính toán có thể hợp tác để thực hiện việc đào tạo trí tuệ nhân tạo dựa trên MPC trên các tập dữ liệu riêng để tính toán trọng số mô hình. Đầu ra của quá trình tính toán, tức là trọng số, được giải mã bởi nhóm MPC sau giai đoạn đào tạo để tạo ra mô hình AI hoàn chỉnh.

Rất nhiều triển khai MPC đạt được bảo đảm quyền riêng tư mạnh mẽ cho quyền riêng tư dữ liệu, tức là, thiểu số trung thực, điều đó có nghĩa là nó có cùng bảo đảm quyền riêng tư với hệ thống zk. MPC cũng có vẻ giống với FHE vì nó cho phép thực hiện tính toán trên SPS có nghĩa là nó có thể cho phép tính khả năng ghép nối. Tuy nhiên so với FHE, MPC có một số hạn chế

1. Việc tính toán chỉ có thể được thực hiện bởi các thực thể thuộc nhóm MPC. Không ai bên ngoài nhóm này có thể thực hiện bất kỳ tính toán nào trên dữ liệu
2. Để đạt được các cam kết thiểu số trung thực, tất cả các bên tham gia MPC cần hợp tác để thực hiện MPC. Điều này có nghĩa là việc tính toán có thể bị kiểm duyệt bởi bất kỳ thành viên nào của nhóm MPC. Hạn chế này có thể được nới lỏng bằng cách giảm ngưỡng MPC, tức là số thực thể cần thiết để thực hiện tính toán. Tuy nhiên, giá phải trả ở đây là dữ liệu có thể bị phá vỡ bởi sự phối hợp giữa một số ít người tham gia.

Ứng dụng phù hợp cho hệ thống MPC

Dark Pool CLOBs

Một trong những ứng dụng thực tế đầu tiên của MPC trong DeFi là việc triển khai Dark Pool CLOBs. Trong hệ thống này, các nhà giao dịch có thể đặt lệnh giới hạn hoặc thị trường mà không cần biết trước tình trạng của sổ lệnh. Việc khớp lệnh xảy ra thông qua MPC trên dữ liệu riêng tư, tức là sổ lệnh hiện tại.Renegade Financelà một trong những công ty xây dựng một hệ thống như vậy.

Phân tán suy luận về các mô hình trí tuệ nhân tạo độc quyền

Một số ứng dụng, ví dụ, các quản lý chiến lược dựa trên trí tuệ nhân tạo DeFi hoặc Điểm tín dụng Web 3, có thể triển khai MPC để thực hiện suy luận bằng cách sử dụng các mô hình độc quyền. Trong kiến ​​trúc này, trọng số mô hình AI là riêng tư. Các trọng số có thể được chia sẻ an toàn giữa một số nút tính toán sao cho mỗi nút chỉ có một phần nhỏ của trọng số mô hình. Các nút có thể cộng tác để thực hiện suy luận AI trên các sự kiện được cập nhật trên chuỗi để đưa ra quyết định và gửi giao dịch thực thi chiến lược DeFi.

Đào tạo các mô hình AI mở bằng cách sử dụng dữ liệu độc quyền

Một ví dụ phổ biến ở đây là việc huấn luyện các mô hình chẩn đoán y tế bằng cách sử dụng hồ sơ sức khỏe cá nhân. Trong trường hợp này, những người tạo ra mô hình, các công ty và chủ sở hữu dữ liệu, tức là bệnh nhân, có thể hợp tác sử dụng MPC để chạy quá trình huấn luyện trên dữ liệu cá nhân mà không vi phạm sự riêng tư của dữ liệu cá nhân. Các mạng như Bittensor và Nillioncó thể kích hoạt các trường hợp sử dụng như vậy.

Trạng thái riêng tư được chia sẻ giả mạo

Với thiết kế cẩn thận, MPC có thể được sử dụng để xử lý SPS giả vờ không cần phép. Ví dụ, trạng thái của một hồ bơi AMM tối và việc tính toán trên trạng thái này có thể được xây dựng dưới dạng MPC giữa một số thực thể. Người dùng muốn tương tác với AMM phải chia sẻ giao dịch của họ với nhóm MPC để thực hiện các phép tính thay mặt cho họ. Ưu điểm của cách tiếp cận này là mỗi SPS có thể có một bộ khóa riêng biệt (so với khóa toàn cầu trong trường hợp của FHE). Nguy cơ của cách tiếp cận này là khả năng bị kiểm duyệt bởi nhóm MPC. Tuy nhiên, với thiết kế kinh tế cẩn thận, nguy cơ này có thể được giảm thiểu.

Cạnh tranh hoặc hiệp lực

Các phương pháp được thảo luận để xử lý trạng thái riêng trên chuỗi dữ liệu dường như cạnh tranh ngay từ cái nhìn đầu tiên. Tuy nhiên, nếu chúng ta bỏ qua động lực tài chính của các đội ngũ khác nhau xây dựng các mạng lưới này, zk, FHE và MPC thực sự là các công nghệ bổ sung cho nhau.

Một mặt, các hệ thống zk cung cấp đảm bảo quyền riêng tư mạnh mẽ vì dữ liệu 'chưa mã hóa' không bao giờ rời khỏi thiết bị của người dùng. Hơn nữa, không ai có thể thực hiện bất kỳ tính toán nào trên dữ liệu này mà không có sự cho phép của chủ sở hữu. Giá phải trả cho các cam kết quyền riêng tư mạnh mẽ này là tính kết hợp yếu hơn.

Trên một khía cạnh khác, FHE tạo điều kiện cho tính gắn kết mạnh mẽ hơn nhưng yếu tố bảo mật yếu hơn. Rủi ro về bảo mật xuất phát từ việc tin tưởng một thực thể hoặc một số rất nhỏ các thực thể với các khóa giải mã FHE toàn cầu. Mặc dù có rủi ro đó và bởi vì tính gắn kết là một thành phần cốt lõi trong tiền mã hóa, FHE có thể tạo điều kiện cho bảo mật trong nhiều trường hợp sử dụng quan trọng như DeFi.

Việc triển khai MPC cung cấp một lối đi giữa zk và phương pháp FHE. MPC cho phép tính toán trên dữ liệu riêng được chia sẻ. Do đó, nó cung cấp tính kết hợp hơn so với ZKPs. Tuy nhiên, việc tính toán trên trạng thái riêng này bị giới hạn đối với một nhóm nhỏ người tham gia và không phải là không cần sự cho phép (khác với FHE).

Với cách mà ZKPs, MPC và FHE khác nhau về tốc độ triển khai ứng dụng, các ứng dụng thực tế thường đòi hỏi kết hợp các công nghệ này. Ví dụ, Renegade Finance kết hợp MPC và ZKPs để cho phép xây dựng một Dark Pool CLOB cũng đảm bảo rằng các thành viên có vốn đủ để thực hiện các lệnh ẩn của họ. Tương tự, trò chơi Poker trên chuỗi, zkHoldem kết hợp ZKPs và FHE.

Chúng tôi mong đợi các mạng tập trung vào quyền riêng tư sẽ kết hợp những công nghệ này dưới tấm lòng để cung cấp cho các nhà phát triển trên các hệ sinh thái này với tất cả các công cụ họ cần để xây dựng ứng dụng một cách mạch lạc. Ví dụ, Aztec có thể kết hợp một số hình thức của MPC trong mạng để xử lý trạng thái riêng được chia sẻ. Tương tự,Mạng Incocó thể sử dụng ZKP để cho phép địa chỉ riêng và lịch sử giao dịch riêng tư.

Với tầm nhìn về một tương lai tập trung vào quyền riêng tư, Alliance mong chờ được hỗ trợ những người sáng lập xây dựng tương lai này. Nếu bạn đang xây dựng trong lĩnh vực này, liên hệvà áp dụng choLiên minh.

Disclaimer:

1. Bài viết này được sao chép từ [ Alliance], Tất cả bản quyền thuộc về tác giả gốc [Mohamed Fouda]. Nếu có bất kỳ ý kiến phản đối nào về việc tái in này, vui lòng liên hệ với Học cửađội, và họ sẽ xử lý nhanh chóng.
2. Miễn trừ trách nhiệm: Các quan điểm và ý kiến được thể hiện trong bài viết này chỉ thuộc về tác giả và không cấu 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 nêu ra, việc sao chép, phân phối hoặc đạo văn các bài viết dịch là không được phép.