По состоянию на 13 октября, одна из платформ данных провела статистический анализ обсуждений основных шифрования валют и их ценовых изменений:
Обсуждение биткойна на прошлой неделе составило 12,52K раз, что на 0,98% меньше, чем на предыдущей неделе. Его цена закрытия в воскресенье составила 63916 долларов, что на 1,62% выше, чем на аналогичной неделе прошлого года.
Обсуждения по Эфиру на прошлой неделе достигли 3,63K, что на 3,45% больше, чем на предыдущей неделе. Его цена закрытия в воскресенье составила 2530 долларов, что на 4% ниже, чем на той же неделе в прошлом году.
Обсуждения TON на прошлой неделе составили 782 раза, что на 12.63% меньше, чем на предыдущей неделе. Его цена закрытия в воскресенье составила 5.26 долларов, что на 0.25% ниже, чем за аналогичный период на прошлой неделе.
Перспективы и вызовы технологии гомоморфного шифрования
Гомоморфное шифрование ( FHE ) является инновационной технологией с огромным потенциалом в области криптографии, основной преимуществом которой является возможность выполнения вычислений с данными в зашифрованном состоянии без необходимости в процессе расшифровки. Эта особенность предоставляет мощную поддержку для защиты конфиденциальности и обработки данных и может широко применяться в таких областях, как финансы, медицина, облачные вычисления, машинное обучение, системы голосования, интернет вещей и блокчейн. Тем не менее, несмотря на широкие перспективы применения FHE, его коммерциализация все еще сталкивается с множеством вызовов.
Потенциал FHE и сценарии применения
Основное преимущество FHE заключается в защите конфиденциальности. Например, когда одной компании необходимо использовать вычислительные мощности другой компании для анализа данных, но она не хочет раскрывать содержимое данных, FHE может сыграть свою роль. Владельцы данных могут передать зашифрованные данные стороне, проводящей вычисления, для анализа, при этом результаты вычислений остаются зашифрованными, и владельцы данных могут получить результаты анализа, расшифровав их. Этот механизм эффективно защищает конфиденциальность данных, а также позволяет вычислительной стороне выполнять необходимые задачи.
Этот механизм защиты конфиденциальности особенно важен для таких чувствительных к данным отраслей, как финансы и здравоохранение. С развитием облачных вычислений и искусственного интеллекта безопасность данных становится все более актуальной. FHE может обеспечить защиту многопартитных вычислений в этих сценариях, позволяя сторонам сотрудничать без раскрытия конфиденциальной информации. В технологии блокчейн FHE повышает прозрачность и безопасность обработки данных через функции защиты конфиденциальности на цепочке и проверки конфиденциальных транзакций.
Сравнение FHE с другими способами шифрования
В области Web3 FHE, нулевое доказательство ( ZK ), многопартитные вычисления ( MPC ) и доверенная исполняемая среда ( TEE ) являются основными методами защиты конфиденциальности. В отличие от ZK, FHE может выполнять различные операции с зашифрованными данными без необходимости предварительной расшифровки данных. MPC позволяет сторонам вычислять данные в зашифрованном виде, не делясь друг с другом конфиденциальной информацией. TEE предоставляет вычисления в безопасной среде, но относительно ограничена в гибкости обработки данных.
Эти технологии шифрования имеют свои преимущества, но в поддержке сложных вычислительных задач FHE особенно выделяется. Однако FHE по-прежнему сталкивается с высокими вычислительными затратами и плохой масштабируемостью в реальных приложениях, что ограничивает его производительность в реальных условиях.
Ограничения и вызовы FHE
Несмотря на то, что теоретическая база FHE мощна, в коммерческих приложениях возникли практические проблемы:
Большие вычислительные затраты: FHE требует значительных вычислительных ресурсов, и его затраты значительно выше по сравнению с нешифрованными вычислениями. Для высоких многочленных операций время обработки растет полиномиально, что затрудняет удовлетворение требований к вычислениям в реальном времени. Снижение затрат требует зависимости от специализированного аппаратного ускорения, однако это также увеличивает сложность развертывания.
Ограниченные операционные возможности: хотя FHE может выполнять сложение и умножение зашифрованных данных, поддержка сложных нелинейных операций ограничена, что является узким местом для приложений искусственного интеллекта, таких как глубокие нейронные сети. В настоящее время схемы FHE по-прежнему в основном подходят для линейных и простых полиномиальных вычислений, применение нелинейных моделей значительно ограничено.
Сложность поддержки нескольких пользователей: FHE показывает хорошие результаты в однопользовательских сценариях, но при работе с многопользовательскими наборами данных сложность системы резко возрастает. Многоключевая FHE-структура, предложенная в 2013 году, хотя и позволяет обрабатывать зашифрованные наборы данных с разными ключами, значительно увеличивает сложность управления ключами и архитектуры системы.
Сочетание FHE и искусственного интеллекта
В эпоху, управляемую данными, искусственный интеллект (AI) 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 облачных вычислениях данные обычно шифруются во время передачи и хранения, но в процессе обработки они часто находятся в открытом виде. С помощью FHE пользовательские данные могут обрабатываться в зашифрованном состоянии, что обеспечивает конфиденциальность.
Это преимущество особенно важно в соответствии с требованиями таких регуляторов, как GDPR, поскольку эти регуляторы требуют от пользователей права знать, как обрабатываются данные, и обеспечивают защиту данных в процессе передачи. Конечное шифрование FHE обеспечивает соблюдение норм и безопасность данных.
Текущее применение FHE в блокчейне и проекты
Применение FHE в блокчейне в основном сосредоточено на защите конфиденциальности данных, включая конфиденциальность на цепи, конфиденциальность данных для обучения ИИ, конфиденциальность голосования на цепи и проверку конфиденциальных транзакций на цепи и другие направления. В настоящее время несколько проектов используют технологии FHE для реализации защиты конфиденциальности:
Решение FHE, созданное в рамках одного проекта, широко используется в нескольких проектах по защите конфиденциальности. Этот проект основан на технологии TFHE, сосредоточен на булевых вычислениях и операциях с целыми числами короткой длины, а также создал стек разработки FHE для приложений на блокчейне и ИИ.
Другой проект разработал новый язык смарт-контрактов и библиотеку FHE, подходящую для блокчейн-сетей.
Некоторые проекты используют FHE для реализации защиты конфиденциальности в вычислительных сетях AI, поддерживают различные модели AI.
Некоторая сеть объединяет FHE и искусственный интеллект, предлагая децентрализованную и защищенную конфиденциальность среду AI.
В качестве решения Layer 2 для Ethereum, определенный проект поддерживает FHE Rollups и FHE Coprocessors, совместим с EVM и поддерживает смарт-контракты, написанные на Solidity.
Вывод
FHE как передовая технология, позволяющая выполнять вычисления на зашифрованных данных, обладает значительными преимуществами в защите конфиденциальности данных. Хотя текущая коммерческая реализация FHE все еще сталкивается с проблемами высокой вычислительной нагрузки и плохой масштабируемости, благодаря аппаратному ускорению и оптимизации алгоритмов эти проблемы, возможно, будут постепенно решены. С развитием технологии блокчейн FHE будет играть все более важную роль в защите конфиденциальности и безопасных вычислениях. В будущем FHE может стать ключевой технологией, поддерживающей вычисления с защитой конфиденциальности, принося новые революционные прорывы в области безопасности данных.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
Анализ недельной популярности и цен на криптоактивы: BTC рост 1.62% ETH падение 4%
Ш weekly анализ данных рынка цифровых активов
По состоянию на 13 октября, одна из платформ данных провела статистический анализ обсуждений основных шифрования валют и их ценовых изменений:
Обсуждение биткойна на прошлой неделе составило 12,52K раз, что на 0,98% меньше, чем на предыдущей неделе. Его цена закрытия в воскресенье составила 63916 долларов, что на 1,62% выше, чем на аналогичной неделе прошлого года.
Обсуждения по Эфиру на прошлой неделе достигли 3,63K, что на 3,45% больше, чем на предыдущей неделе. Его цена закрытия в воскресенье составила 2530 долларов, что на 4% ниже, чем на той же неделе в прошлом году.
Обсуждения TON на прошлой неделе составили 782 раза, что на 12.63% меньше, чем на предыдущей неделе. Его цена закрытия в воскресенье составила 5.26 долларов, что на 0.25% ниже, чем за аналогичный период на прошлой неделе.
Перспективы и вызовы технологии гомоморфного шифрования
Гомоморфное шифрование ( FHE ) является инновационной технологией с огромным потенциалом в области криптографии, основной преимуществом которой является возможность выполнения вычислений с данными в зашифрованном состоянии без необходимости в процессе расшифровки. Эта особенность предоставляет мощную поддержку для защиты конфиденциальности и обработки данных и может широко применяться в таких областях, как финансы, медицина, облачные вычисления, машинное обучение, системы голосования, интернет вещей и блокчейн. Тем не менее, несмотря на широкие перспективы применения FHE, его коммерциализация все еще сталкивается с множеством вызовов.
Потенциал FHE и сценарии применения
Основное преимущество FHE заключается в защите конфиденциальности. Например, когда одной компании необходимо использовать вычислительные мощности другой компании для анализа данных, но она не хочет раскрывать содержимое данных, FHE может сыграть свою роль. Владельцы данных могут передать зашифрованные данные стороне, проводящей вычисления, для анализа, при этом результаты вычислений остаются зашифрованными, и владельцы данных могут получить результаты анализа, расшифровав их. Этот механизм эффективно защищает конфиденциальность данных, а также позволяет вычислительной стороне выполнять необходимые задачи.
Этот механизм защиты конфиденциальности особенно важен для таких чувствительных к данным отраслей, как финансы и здравоохранение. С развитием облачных вычислений и искусственного интеллекта безопасность данных становится все более актуальной. FHE может обеспечить защиту многопартитных вычислений в этих сценариях, позволяя сторонам сотрудничать без раскрытия конфиденциальной информации. В технологии блокчейн FHE повышает прозрачность и безопасность обработки данных через функции защиты конфиденциальности на цепочке и проверки конфиденциальных транзакций.
Сравнение FHE с другими способами шифрования
В области Web3 FHE, нулевое доказательство ( ZK ), многопартитные вычисления ( MPC ) и доверенная исполняемая среда ( TEE ) являются основными методами защиты конфиденциальности. В отличие от ZK, FHE может выполнять различные операции с зашифрованными данными без необходимости предварительной расшифровки данных. MPC позволяет сторонам вычислять данные в зашифрованном виде, не делясь друг с другом конфиденциальной информацией. TEE предоставляет вычисления в безопасной среде, но относительно ограничена в гибкости обработки данных.
Эти технологии шифрования имеют свои преимущества, но в поддержке сложных вычислительных задач FHE особенно выделяется. Однако FHE по-прежнему сталкивается с высокими вычислительными затратами и плохой масштабируемостью в реальных приложениях, что ограничивает его производительность в реальных условиях.
Ограничения и вызовы FHE
Несмотря на то, что теоретическая база FHE мощна, в коммерческих приложениях возникли практические проблемы:
Большие вычислительные затраты: FHE требует значительных вычислительных ресурсов, и его затраты значительно выше по сравнению с нешифрованными вычислениями. Для высоких многочленных операций время обработки растет полиномиально, что затрудняет удовлетворение требований к вычислениям в реальном времени. Снижение затрат требует зависимости от специализированного аппаратного ускорения, однако это также увеличивает сложность развертывания.
Ограниченные операционные возможности: хотя FHE может выполнять сложение и умножение зашифрованных данных, поддержка сложных нелинейных операций ограничена, что является узким местом для приложений искусственного интеллекта, таких как глубокие нейронные сети. В настоящее время схемы FHE по-прежнему в основном подходят для линейных и простых полиномиальных вычислений, применение нелинейных моделей значительно ограничено.
Сложность поддержки нескольких пользователей: FHE показывает хорошие результаты в однопользовательских сценариях, но при работе с многопользовательскими наборами данных сложность системы резко возрастает. Многоключевая FHE-структура, предложенная в 2013 году, хотя и позволяет обрабатывать зашифрованные наборы данных с разными ключами, значительно увеличивает сложность управления ключами и архитектуры системы.
Сочетание FHE и искусственного интеллекта
В эпоху, управляемую данными, искусственный интеллект (AI) 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 облачных вычислениях данные обычно шифруются во время передачи и хранения, но в процессе обработки они часто находятся в открытом виде. С помощью FHE пользовательские данные могут обрабатываться в зашифрованном состоянии, что обеспечивает конфиденциальность.
Это преимущество особенно важно в соответствии с требованиями таких регуляторов, как GDPR, поскольку эти регуляторы требуют от пользователей права знать, как обрабатываются данные, и обеспечивают защиту данных в процессе передачи. Конечное шифрование FHE обеспечивает соблюдение норм и безопасность данных.
Текущее применение FHE в блокчейне и проекты
Применение FHE в блокчейне в основном сосредоточено на защите конфиденциальности данных, включая конфиденциальность на цепи, конфиденциальность данных для обучения ИИ, конфиденциальность голосования на цепи и проверку конфиденциальных транзакций на цепи и другие направления. В настоящее время несколько проектов используют технологии FHE для реализации защиты конфиденциальности:
Решение FHE, созданное в рамках одного проекта, широко используется в нескольких проектах по защите конфиденциальности. Этот проект основан на технологии TFHE, сосредоточен на булевых вычислениях и операциях с целыми числами короткой длины, а также создал стек разработки FHE для приложений на блокчейне и ИИ.
Другой проект разработал новый язык смарт-контрактов и библиотеку FHE, подходящую для блокчейн-сетей.
Некоторые проекты используют FHE для реализации защиты конфиденциальности в вычислительных сетях AI, поддерживают различные модели AI.
Некоторая сеть объединяет FHE и искусственный интеллект, предлагая децентрализованную и защищенную конфиденциальность среду AI.
В качестве решения Layer 2 для Ethereum, определенный проект поддерживает FHE Rollups и FHE Coprocessors, совместим с EVM и поддерживает смарт-контракты, написанные на Solidity.
Вывод
FHE как передовая технология, позволяющая выполнять вычисления на зашифрованных данных, обладает значительными преимуществами в защите конфиденциальности данных. Хотя текущая коммерческая реализация FHE все еще сталкивается с проблемами высокой вычислительной нагрузки и плохой масштабируемости, благодаря аппаратному ускорению и оптимизации алгоритмов эти проблемы, возможно, будут постепенно решены. С развитием технологии блокчейн FHE будет играть все более важную роль в защите конфиденциальности и безопасных вычислениях. В будущем FHE может стать ключевой технологией, поддерживающей вычисления с защитой конфиденциальности, принося новые революционные прорывы в области безопасности данных.