Análisis de datos semanales del mercado de activos digitales encriptados
Hasta el 13 de octubre, una plataforma de datos realizó un análisis estadístico sobre la discusión y los cambios de precios de las principales criptomonedas:
El volumen de discusión sobre Bitcoin la semana pasada fue de 12.52K, un descenso del 0.98% en comparación con la semana anterior. Su precio de cierre del domingo fue de 63916 dólares, un aumento del 1.62% en comparación con la misma semana del mes pasado.
El volumen de discusión sobre Ethereum la semana pasada alcanzó 3.63K, un aumento del 3.45% en comparación con la semana anterior. Su precio de cierre del domingo fue de 2530 dólares, una caída del 4% en comparación con la misma semana del mes pasado.
El volumen de discusión de TON la semana pasada fue de 782 veces, un 12.63% menos que la semana anterior. Su precio de cierre del domingo fue de 5.26 dólares, una ligera caída del 0.25% en comparación con la misma semana del año pasado.
Perspectivas y desafíos de la tecnología de encriptación homomórfica
La encriptación homomórfica ( FHE ) es una innovadora tecnología con un gran potencial en el campo de la criptografía, cuya ventaja principal radica en la capacidad de realizar cálculos de datos directamente en estado encriptado, sin necesidad de un proceso de desencriptación. Esta característica proporciona un fuerte apoyo para la protección de la privacidad y el procesamiento de datos, y puede aplicarse ampliamente en múltiples campos como las finanzas, la salud, la computación en la nube, el aprendizaje automático, los sistemas de votación, el Internet de las Cosas y la cadena de bloques. Sin embargo, a pesar de las amplias perspectivas de aplicación de FHE, su camino hacia la comercialización aún enfrenta numerosos desafíos.
Potencial y casos de uso de FHE
La mayor ventaja de FHE radica en la protección de la privacidad. Por ejemplo, cuando una empresa necesita utilizar la capacidad de cálculo de otra empresa para analizar datos, pero no desea revelar el contenido de los datos, FHE puede desempeñar un papel importante. El propietario de los datos puede transmitir los datos encriptados al calculador para su análisis, y los resultados del cálculo permanecen en estado encriptado; el propietario de los datos puede obtener los resultados del análisis después de desencriptarlos. Este mecanismo protege efectivamente la privacidad de los datos, al mismo tiempo que permite al calculador completar el trabajo necesario.
Este mecanismo de protección de la privacidad es especialmente importante en industrias sensibles a datos como las finanzas y la salud. Con el desarrollo de la computación en la nube y la inteligencia artificial, la seguridad de los datos se ha convertido en un foco de atención. FHE puede proporcionar protección de computación multipartita en estos escenarios, permitiendo que las partes colaboren sin exponer información confidencial. En la tecnología blockchain, FHE mejora la transparencia y seguridad del procesamiento de datos a través de funciones como la protección de la privacidad en la cadena y la revisión de transacciones privadas.
Comparación entre FHE y otros métodos de encriptación
En el ámbito de Web3, FHE, pruebas de conocimiento cero (ZK), cálculo multipartito (MPC) y entornos de ejecución confiables (TEE) son métodos principales de protección de la privacidad. A diferencia de ZK, FHE puede realizar múltiples operaciones sobre datos encriptados sin necesidad de descifrar los datos primero. MPC permite que las partes realicen cálculos bajo condiciones de datos encriptados sin compartir información privada entre sí. TEE proporciona cálculo en un entorno seguro, pero su flexibilidad en el procesamiento de datos es relativamente limitada.
Estas tecnologías de encriptación tienen sus propias ventajas, pero en lo que respecta al soporte de tareas de cálculo complejas, FHE se destaca especialmente. Sin embargo, FHE aún enfrenta problemas de altos costos computacionales y mala escalabilidad en aplicaciones prácticas, lo que limita su rendimiento en aplicaciones en tiempo real.
Limitaciones y Desafíos de FHE
A pesar de que la base teórica de FHE es sólida, ha encontrado desafíos prácticos en su aplicación comercial:
Costo computacional a gran escala: FHE requiere una gran cantidad de recursos de cálculo, y en comparación con el cálculo sin encriptación, sus costos aumentan significativamente. Para operaciones de polinomios de alto grado, el tiempo de procesamiento crece de manera polinómica, lo que dificulta satisfacer las demandas de cálculo en tiempo real. Reducir costos depende de la aceleración por hardware especializado, pero esto también aumenta la complejidad de la implementación.
Capacidad de operación limitada: Aunque FHE puede realizar la adición y multiplicación de datos encriptados, el soporte para operaciones no lineales complejas es limitado, lo que representa un cuello de botella para aplicaciones de inteligencia artificial que involucran redes neuronales profundas. Actualmente, los esquemas FHE siguen siendo principalmente aplicables a cálculos lineales y polinómicos simples, y la aplicación de modelos no lineales está significativamente restringida.
Complejidad del soporte para múltiples usuarios: FHE funciona bien en escenarios de un solo usuario, pero la complejidad del sistema aumenta drásticamente cuando se trata de conjuntos de datos de múltiples usuarios. El marco FHE de múltiples claves propuesto en 2013 permite operar con conjuntos de datos cifrados con diferentes claves, pero la complejidad de la gestión de claves y la arquitectura del sistema aumenta significativamente.
La combinación de FHE y la inteligencia artificial
En la actual era impulsada por datos, la inteligencia artificial (AI) se aplica ampliamente en múltiples campos, pero las preocupaciones sobre la privacidad de los datos a menudo hacen que los usuarios no deseen compartir información sensible. FHE proporciona soluciones de protección de la privacidad en el campo de la inteligencia artificial. En el contexto de la computación en la nube, los datos suelen estar encriptados durante el proceso de transmisión y almacenamiento, pero a menudo están en texto claro durante el procesamiento. A través de FHE, los datos de los usuarios se pueden procesar manteniendo su estado encriptado, asegurando la privacidad.
Esta ventaja es especialmente importante bajo regulaciones como el GDPR, ya que estas regulaciones exigen que los usuarios tengan derecho a estar informados sobre cómo se procesan sus datos y aseguran que los datos estén protegidos durante la transmisión. La encriptación de extremo a extremo de FHE proporciona garantías de cumplimiento y seguridad de los datos.
Aplicaciones actuales de FHE en blockchain y proyectos
La aplicación de FHE en blockchain se centra principalmente en la protección de la privacidad de los datos, incluyendo la privacidad en la cadena, la privacidad de los datos de entrenamiento de IA, la privacidad de las votaciones en la cadena y la revisión de transacciones privadas en la cadena. Actualmente, varios proyectos están utilizando la tecnología FHE para promover la realización de la protección de la privacidad:
La solución FHE construida por un proyecto se aplica ampliamente en varios proyectos de protección de la privacidad. Este proyecto se basa en la tecnología TFHE, se centra en operaciones booleanas y operaciones de enteros de baja longitud, y ha construido una pila de desarrollo FHE para aplicaciones de blockchain y AI.
Otro proyecto ha desarrollado un nuevo lenguaje de contratos inteligentes y una biblioteca FHE, adecuada para redes de blockchain.
Hay proyectos que utilizan FHE para implementar la protección de la privacidad en redes de cálculo de IA, soportando varios modelos de IA.
Una red que combina FHE con inteligencia artificial, proporcionando un entorno de IA descentralizado y con protección de la privacidad.
Como solución Layer 2 para Ethereum, un proyecto soporta FHE Rollups y FHE Coprocessors, es compatible con EVM y soporta contratos inteligentes escritos en Solidity.
Conclusión
FHE, como una tecnología avanzada que puede realizar cálculos sobre datos encriptados, tiene ventajas significativas en la protección de la privacidad de los datos. Aunque la comercialización actual de FHE aún enfrenta problemas de altos costos computacionales y mala escalabilidad, a través de la aceleración de hardware y la optimización de algoritmos, se espera que estos problemas se resuelvan gradualmente. Con el desarrollo de la tecnología blockchain, FHE jugará un papel cada vez más importante en la protección de la privacidad y el cálculo seguro. En el futuro, FHE podría convertirse en la tecnología central que sustenta el cálculo de protección de la privacidad, trayendo nuevos avances revolucionarios para la seguridad de los datos.
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
16 me gusta
Recompensa
16
4
Compartir
Comentar
0/400
MEVSandwich
· Hace26m
¿Cuánto tiempo quieres que suba un poco?
Ver originalesResponder0
ForkPrince
· hace11h
Tsk tsk, el shitcoin sigue subiendo y cayendo.
Ver originalesResponder0
BlockchainGriller
· hace11h
Reducir pérdidas arruinado y listo.
Ver originalesResponder0
ProveMyZK
· hace11h
La caída también está bien, es solo una oportunidad.
Análisis semanal de la popularidad y precios de los activos encriptados: BTC subir 1.62% ETH caída 4%
Análisis de datos semanales del mercado de activos digitales encriptados
Hasta el 13 de octubre, una plataforma de datos realizó un análisis estadístico sobre la discusión y los cambios de precios de las principales criptomonedas:
El volumen de discusión sobre Bitcoin la semana pasada fue de 12.52K, un descenso del 0.98% en comparación con la semana anterior. Su precio de cierre del domingo fue de 63916 dólares, un aumento del 1.62% en comparación con la misma semana del mes pasado.
El volumen de discusión sobre Ethereum la semana pasada alcanzó 3.63K, un aumento del 3.45% en comparación con la semana anterior. Su precio de cierre del domingo fue de 2530 dólares, una caída del 4% en comparación con la misma semana del mes pasado.
El volumen de discusión de TON la semana pasada fue de 782 veces, un 12.63% menos que la semana anterior. Su precio de cierre del domingo fue de 5.26 dólares, una ligera caída del 0.25% en comparación con la misma semana del año pasado.
Perspectivas y desafíos de la tecnología de encriptación homomórfica
La encriptación homomórfica ( FHE ) es una innovadora tecnología con un gran potencial en el campo de la criptografía, cuya ventaja principal radica en la capacidad de realizar cálculos de datos directamente en estado encriptado, sin necesidad de un proceso de desencriptación. Esta característica proporciona un fuerte apoyo para la protección de la privacidad y el procesamiento de datos, y puede aplicarse ampliamente en múltiples campos como las finanzas, la salud, la computación en la nube, el aprendizaje automático, los sistemas de votación, el Internet de las Cosas y la cadena de bloques. Sin embargo, a pesar de las amplias perspectivas de aplicación de FHE, su camino hacia la comercialización aún enfrenta numerosos desafíos.
Potencial y casos de uso de FHE
La mayor ventaja de FHE radica en la protección de la privacidad. Por ejemplo, cuando una empresa necesita utilizar la capacidad de cálculo de otra empresa para analizar datos, pero no desea revelar el contenido de los datos, FHE puede desempeñar un papel importante. El propietario de los datos puede transmitir los datos encriptados al calculador para su análisis, y los resultados del cálculo permanecen en estado encriptado; el propietario de los datos puede obtener los resultados del análisis después de desencriptarlos. Este mecanismo protege efectivamente la privacidad de los datos, al mismo tiempo que permite al calculador completar el trabajo necesario.
Este mecanismo de protección de la privacidad es especialmente importante en industrias sensibles a datos como las finanzas y la salud. Con el desarrollo de la computación en la nube y la inteligencia artificial, la seguridad de los datos se ha convertido en un foco de atención. FHE puede proporcionar protección de computación multipartita en estos escenarios, permitiendo que las partes colaboren sin exponer información confidencial. En la tecnología blockchain, FHE mejora la transparencia y seguridad del procesamiento de datos a través de funciones como la protección de la privacidad en la cadena y la revisión de transacciones privadas.
Comparación entre FHE y otros métodos de encriptación
En el ámbito de Web3, FHE, pruebas de conocimiento cero (ZK), cálculo multipartito (MPC) y entornos de ejecución confiables (TEE) son métodos principales de protección de la privacidad. A diferencia de ZK, FHE puede realizar múltiples operaciones sobre datos encriptados sin necesidad de descifrar los datos primero. MPC permite que las partes realicen cálculos bajo condiciones de datos encriptados sin compartir información privada entre sí. TEE proporciona cálculo en un entorno seguro, pero su flexibilidad en el procesamiento de datos es relativamente limitada.
Estas tecnologías de encriptación tienen sus propias ventajas, pero en lo que respecta al soporte de tareas de cálculo complejas, FHE se destaca especialmente. Sin embargo, FHE aún enfrenta problemas de altos costos computacionales y mala escalabilidad en aplicaciones prácticas, lo que limita su rendimiento en aplicaciones en tiempo real.
Limitaciones y Desafíos de FHE
A pesar de que la base teórica de FHE es sólida, ha encontrado desafíos prácticos en su aplicación comercial:
Costo computacional a gran escala: FHE requiere una gran cantidad de recursos de cálculo, y en comparación con el cálculo sin encriptación, sus costos aumentan significativamente. Para operaciones de polinomios de alto grado, el tiempo de procesamiento crece de manera polinómica, lo que dificulta satisfacer las demandas de cálculo en tiempo real. Reducir costos depende de la aceleración por hardware especializado, pero esto también aumenta la complejidad de la implementación.
Capacidad de operación limitada: Aunque FHE puede realizar la adición y multiplicación de datos encriptados, el soporte para operaciones no lineales complejas es limitado, lo que representa un cuello de botella para aplicaciones de inteligencia artificial que involucran redes neuronales profundas. Actualmente, los esquemas FHE siguen siendo principalmente aplicables a cálculos lineales y polinómicos simples, y la aplicación de modelos no lineales está significativamente restringida.
Complejidad del soporte para múltiples usuarios: FHE funciona bien en escenarios de un solo usuario, pero la complejidad del sistema aumenta drásticamente cuando se trata de conjuntos de datos de múltiples usuarios. El marco FHE de múltiples claves propuesto en 2013 permite operar con conjuntos de datos cifrados con diferentes claves, pero la complejidad de la gestión de claves y la arquitectura del sistema aumenta significativamente.
La combinación de FHE y la inteligencia artificial
En la actual era impulsada por datos, la inteligencia artificial (AI) se aplica ampliamente en múltiples campos, pero las preocupaciones sobre la privacidad de los datos a menudo hacen que los usuarios no deseen compartir información sensible. FHE proporciona soluciones de protección de la privacidad en el campo de la inteligencia artificial. En el contexto de la computación en la nube, los datos suelen estar encriptados durante el proceso de transmisión y almacenamiento, pero a menudo están en texto claro durante el procesamiento. A través de FHE, los datos de los usuarios se pueden procesar manteniendo su estado encriptado, asegurando la privacidad.
Esta ventaja es especialmente importante bajo regulaciones como el GDPR, ya que estas regulaciones exigen que los usuarios tengan derecho a estar informados sobre cómo se procesan sus datos y aseguran que los datos estén protegidos durante la transmisión. La encriptación de extremo a extremo de FHE proporciona garantías de cumplimiento y seguridad de los datos.
Aplicaciones actuales de FHE en blockchain y proyectos
La aplicación de FHE en blockchain se centra principalmente en la protección de la privacidad de los datos, incluyendo la privacidad en la cadena, la privacidad de los datos de entrenamiento de IA, la privacidad de las votaciones en la cadena y la revisión de transacciones privadas en la cadena. Actualmente, varios proyectos están utilizando la tecnología FHE para promover la realización de la protección de la privacidad:
La solución FHE construida por un proyecto se aplica ampliamente en varios proyectos de protección de la privacidad. Este proyecto se basa en la tecnología TFHE, se centra en operaciones booleanas y operaciones de enteros de baja longitud, y ha construido una pila de desarrollo FHE para aplicaciones de blockchain y AI.
Otro proyecto ha desarrollado un nuevo lenguaje de contratos inteligentes y una biblioteca FHE, adecuada para redes de blockchain.
Hay proyectos que utilizan FHE para implementar la protección de la privacidad en redes de cálculo de IA, soportando varios modelos de IA.
Una red que combina FHE con inteligencia artificial, proporcionando un entorno de IA descentralizado y con protección de la privacidad.
Como solución Layer 2 para Ethereum, un proyecto soporta FHE Rollups y FHE Coprocessors, es compatible con EVM y soporta contratos inteligentes escritos en Solidity.
Conclusión
FHE, como una tecnología avanzada que puede realizar cálculos sobre datos encriptados, tiene ventajas significativas en la protección de la privacidad de los datos. Aunque la comercialización actual de FHE aún enfrenta problemas de altos costos computacionales y mala escalabilidad, a través de la aceleración de hardware y la optimización de algoritmos, se espera que estos problemas se resuelvan gradualmente. Con el desarrollo de la tecnología blockchain, FHE jugará un papel cada vez más importante en la protección de la privacidad y el cálculo seguro. En el futuro, FHE podría convertirse en la tecnología central que sustenta el cálculo de protección de la privacidad, trayendo nuevos avances revolucionarios para la seguridad de los datos.