Обсуждение Криптоактивов: Анализ динамики цен и активности

По данным статистики трех основных криптоактивов на данный момент:

Обсуждение биткойна на прошлой неделе составило 12,52K раз, что на 0,98% меньше по сравнению с предыдущей неделей. Его цена закрытия в воскресенье составила 63916 долларов, что на 1,62% больше по сравнению с предыдущей неделей.

Обсуждение Эфириума на прошлой неделе составило 3,63K раз, увеличившись на 3,45% по сравнению с предыдущей неделей. Его цена закрытия в воскресенье составила 2530 долларов, что на 4% меньше по сравнению с предыдущей неделей.

Обсуждаемость TON на прошлой неделе составила 782 раза, что на 12,63% ниже по сравнению с предыдущей неделей. Его цена закрытия в воскресенье составила 5,26 долларов, что на 0,25% ниже по сравнению с предыдущей неделей.

Потенциал и вызовы технологии гомоморфного шифрования

Гомоморфное шифрование ( FHE ) как передовая технология в области криптографии, его основное преимущество заключается в возможности выполнять вычисления непосредственно над зашифрованными данными, без необходимости в процессе расшифровки. Эта особенность предоставляет мощную поддержку для защиты конфиденциальности и обработки данных. Применение FHE широко, охватывает такие области, как финансы, медицина, облачные вычисления, машинное обучение, системы голосования, Интернет вещей и защита конфиденциальности в блокчейне. Тем не менее, FHE все еще сталкивается с множеством вызовов на пути к коммерциализации.

Применение и преимущества FHE

Главное преимущество FHE заключается в защите конфиденциальности. Например, когда одной компании необходимо использовать вычислительные мощности другой компании для анализа данных, но она не хочет, чтобы последняя имела доступ к конкретному содержимому, FHE может сыграть важную роль. Владелец данных может передать зашифрованные данные вычислительной стороне для обработки, а результаты вычислений остаются зашифрованными, и владелец данных может получить результаты анализа после расшифровки. Эта механика защищает конфиденциальность данных и выполняет необходимые вычислительные задачи.

Для таких чувствительных к данным отраслей, как финансы и здравоохранение, механизмы защиты конфиденциальности FHE особенно важны. С развитием облачных технологий и искусственного интеллекта безопасность данных становится все более актуальной темой. FHE может предоставить защиту многопартийных вычислений в этих областях, позволяя сторонам сотрудничать без раскрытия конфиденциальной информации. В технологии блокчейн FHE повышает прозрачность и безопасность обработки данных за счет функций защиты конфиденциальности на цепочке и проверки конфиденциальных транзакций.

Сравнение FHE и других технологий шифрования

В области Web3 основными методами защиты конфиденциальности являются FHE, нулевые знания ( ZK ), многопартитные вычисления ( MPC ) и доверенные среды выполнения ( TEE ). В отличие от ZK, FHE может выполнять различные операции с зашифрованными данными без предварительной расшифровки. MPC позволяет сторонам производить вычисления в условиях шифрования данных без необходимости делиться конфиденциальной информацией. TEE предоставляет вычисления в безопасной среде, но относительно ограничена в гибкости обработки данных.

Эти криптоактивы имеют свои преимущества, но в поддержке сложных вычислительных задач FHE особенно выделяется. Однако FHE по-прежнему сталкивается с высокими вычислительными затратами и низкой масштабируемостью на практике, что ограничивает его производительность в реальных приложениях.

Ограничения и вызовы FHE

Несмотря на то, что теоретические основы FHE являются мощными, в коммерческих приложениях возникли реальные проблемы:

1. Высокие вычислительные затраты: FHE требует значительных вычислительных ресурсов, и его расходы значительно выше по сравнению с нешифрованными вычислениями. Для высоких полиномиальных операций время обработки растет полиномиально, что затрудняет удовлетворение требований к вычислениям в реальном времени. Снижение затрат требует использования специализированного аппаратного ускорения, но это также увеличивает сложность развертывания.

2. Ограниченные операционные возможности: хотя FHE может выполнять сложение и умножение зашифрованных данных, поддержка сложных нелинейных операций ограничена, что создает узкое место для приложений ИИ, таких как глубокие нейронные сети. В настоящее время схемы FHE в основном подходят для линейных и простых полиномиальных вычислений, применение нелинейных моделей значительно ограничено.

3. Сложность поддержки нескольких пользователей: FHE хорошо работает в сценариях с одним пользователем, но при работе с наборами данных, относящимися к нескольким пользователям, сложность системы резко возрастает. Хотя некоторые исследования предложили многоключевую FHE-структуру, позволяющую обрабатывать зашифрованные наборы данных с различными ключами, сложность управления ключами и архитектуры системы значительно увеличивается.

Сочетание FHE и искусственного интеллекта

В эпоху, управляемую данными, ИИ широко применяется в различных областях, но опасения по поводу конфиденциальности данных часто заставляют пользователей не желать делиться чувствительной информацией. FHE предлагает решения для защиты конфиденциальности в области ИИ. В контексте облачных вычислений FHE позволяет обрабатывать данные пользователей в зашифрованном состоянии, обеспечивая конфиденциальность.

Это преимущество особенно важно в свете таких регламентов, как GDPR, которые требуют от пользователей права на информированность о способах обработки данных и обеспечения защиты данных в процессе передачи. Энд-ту-энд шифрование FHE обеспечивает соблюдение норм и безопасность данных.

Применение FHE в блокчейне

Применение FHE в блокчейне в основном сосредоточено на защите конфиденциальности данных, включая конфиденциальность на цепочке, конфиденциальность данных для обучения ИИ, конфиденциальность голосования на цепочке и проверку конфиденциальных транзакций на цепочке. В настоящее время несколько проектов используют технологии FHE для реализации защиты конфиденциальности:

• Решение FHE, разработанное определенным проектом, широко используется в нескольких проектах по защите конфиденциальности. Этот проект основан на технологиях TFHE, сосредоточен на булевых операциях и операциях с низкими длинами целых чисел, а также создал стек разработки FHE для приложений блокчейна и ИИ.

• Другой проект разработал новый язык смарт-контрактов и библиотеку HyperghraphFHE, предназначенные для сетей блокчейна.

• Некоторые проекты используют FHE для обеспечения конфиденциальности в вычислительных сетях ИИ, поддерживая различные модели ИИ.

• Некоторый проект сочетает FHE и искусственный интеллект, предлагая децентрализованную и защищенную конфиденциальность среду ИИ.

• Также есть проекты в качестве решения Layer 2 для Ethereum, поддерживающие FHE Rollups и FHE Coprocessors, совместимые с EVM и поддерживающие смарт-контракты, написанные на Solidity.

Вывод

FHE как передовая технология, позволяющая выполнять вычисления над зашифрованными данными, имеет значительные преимущества в защите конфиденциальности данных. Несмотря на то, что в настоящее время коммерческое применение FHE все еще сталкивается с проблемами высокой вычислительной нагрузки и плохой масштабируемости, с помощью аппаратного ускорения и оптимизации алгоритмов эти проблемы могут быть постепенно решены. С развитием технологий блокчейн FHE будет играть все более важную роль в защите конфиденциальности и безопасных вычислениях. В будущем FHE обещает стать ключевой технологией, поддерживающей вычисления с защитой конфиденциальности, обеспечивая революционные прорывы в области безопасности данных.