Обговорення криптоактивів: аналіз популярності та цінової динаміки

Станом на останній час, статистика трьох основних криптоактивів показує:

Обговорення біткоїна минулого тижня становило 12,52K разів, що на 0,98% менше в порівнянні з попереднім періодом. Його закриття в неділю склало 63916 доларів, що на 1,62% більше в порівнянні з попереднім періодом.

Обговорення Ethereum минулого тижня становило 3.63K разів, що на 3.45% більше в порівнянні з попереднім тижнем. Його ціна закриття в неділю становила 2530 доларів, що на 4% менше в порівнянні з попереднім тижнем.

Обговорення TON минулого тижня становило 782 рази, що на 12,63% менше в порівнянні з попереднім періодом. Його закриття у неділю склало 5,26 доларів, що на 0,25% менше в порівнянні з попереднім періодом.

Потенціал та виклики гомоморфного шифрування

Гомоморфне шифрування ( FHE ) як передова технологія в галузі криптографії, його основна перевага полягає в можливості виконувати обчислення безпосередньо на зашифрованих даних без необхідності розшифровки. Ця особливість надає потужну підтримку для захисту конфіденційності та обробки даних. Застосування FHE є широким, охоплюючи фінансові, медичні, хмарні обчислення, машинне навчання, системи голосування, Інтернет речей та захист конфіденційності в блокчейні. Незважаючи на це, FHE все ще стикається з численними викликами на шляху до комерціалізації.

Сценарії використання та переваги FHE

Основна перевага FHE полягає в захисті конфіденційності. Наприклад, коли компанія потребує використання обчислювальної потужності іншої компанії для аналізу даних, але не хоче, щоб остання мала доступ до конкретного змісту, FHE може відігравати важливу роль. Власник даних може передати зашифровані дані обчислювальній стороні для обробки, результати обчислень залишаються зашифрованими, а власник даних може їх розшифрувати, щоб отримати результати аналізу. Такий механізм не тільки захищає конфіденційність даних, але й виконує необхідні обчислювальні завдання.

Для чутливих до даних галузей, таких як фінанси та охорона здоров'я, механізм захисту конфіденційності FHE є особливо важливим. З розвитком хмарних обчислень та штучного інтелекту безпека даних стає все більш актуальною. FHE може забезпечити захист багатосторонніх обчислень у цих сферах, дозволяючи сторонам співпрацювати без розкриття конфіденційної інформації. У технології блокчейн FHE підвищує прозорість та безпеку обробки даних через функції захисту конфіденційності на ланцюгу та перевірки конфіденційних транзакцій.

Порівняння FHE та інших технологій шифрування

У сфері Web3 основними методами захисту конфіденційності є FHE, нульові докази (ZK), багатосторонні обчислення (MPC) та середовища для надійного виконання (TEE). На відміну від ZK, FHE може виконувати різноманітні операції над зашифрованими даними без попереднього їх розшифрування. MPC дозволяє сторонам виконувати обчислення в умовах зашифрованих даних, не обмінюючись приватною інформацією. TEE забезпечує обчислення в безпечному середовищі, але має відносно обмежену гнучкість в обробці даних.

Ці криптотехнології мають свої переваги, але в підтримці складних обчислювальних задач FHE виділяється особливо. Однак FHE в реальних застосуваннях все ще стикається з високими обчислювальними витратами та поганою масштабованістю, що обмежує його продуктивність у реальному часі.

Обмеження та виклики FHE

Незважаючи на те, що теоретичні основи FHE є потужними, у комерційних застосуваннях виникають практичні виклики:

1. Витрати на обчислення в масштабах: FHE вимагає значних обчислювальних ресурсів, у порівнянні з необробленими обчисленнями, його витрати значно зростають. Для обчислень високого ступеня час обробки зростає поліноміально, що ускладнює задоволення потреб у реальному часі. Зниження витрат залежить від спеціалізованого апаратного прискорення, але це також ускладнює процес впровадження.

2. Обмежені можливості виконання операцій: хоча FHE може виконувати додавання та множення зашифрованих даних, підтримка складних нелінійних операцій є обмеженою, що створює вузьке місце для AI-додатків, таких як глибокі нейронні мережі. Наразі схеми FHE в основному підходять для лінійних та простих полігональних обчислень, застосування нелінійних моделей зазнає значних обмежень.

3. Складність підтримки кількох користувачів: FHE добре проявляє себе в однокористувацькому середовищі, але при роботі з наборами даних кількох користувачів система стає значно складнішою. Хоча є дослідження, що пропонують багатоключеву FHE-структуру, яка дозволяє виконувати операції з зашифрованими наборами даних з різними ключами, складність управління ключами та архітектури системи значно зростає.

Поєднання FHE та штучного інтелекту

У епоху, керовану даними, ШІ широко застосовується в багатьох сферах, але занепокоєння щодо конфіденційності даних часто заважає користувачам ділитися чутливою інформацією. FHE пропонує рішення для захисту конфіденційності в сфері ШІ. У сценаріях хмарних обчислень FHE дозволяє обробляти дані користувачів у зашифрованому стані, забезпечуючи конфіденційність.

Ця перевага є особливо важливою в умовах вимог таких регуляцій, як GDPR, оскільки ці регуляції вимагають від користувачів права на інформацію про способи обробки даних і забезпечують захист даних під час їх передачі. Кінцеве шифрування FHE забезпечує відповідність та безпеку даних.

Застосування FHE в блокчейні

Застосування FHE в блокчейні в основному зосереджено на захисті приватності даних, включаючи приватність на ланцюзі, приватність даних для навчання ШІ, приватність голосування на ланцюзі та перевірку приватних транзакцій на ланцюзі тощо. Наразі кілька проектів використовують технологію FHE для реалізації захисту приватності:

• Рішення FHE, розроблене певним проєктом, широко використовується в кількох проєктах захисту приватності. Цей проєкт базується на технології TFHE, зосереджуючись на булевих операціях та операціях з низькодовгими цілими числами, а також створює стек розробки FHE для застосунків у блокчейні та штучному інтелекті.

• Інший проєкт розробив нову мову смарт-контрактів та бібліотеку HyperghraphFHE, що підходить для мереж блокчейн.

• Є проекти, які використовують FHE для забезпечення конфіденційності в обчислювальних мережах AI, підтримують різні моделі AI.

• Один проект поєднує FHE та штучний інтелект, забезпечуючи децентралізоване та конфіденційне середовище для ШІ.

• Є також проекти як рішення другого рівня для Ethereum, що підтримують FHE Rollups і FHE Coprocessors, сумісні з EVM і підтримують смарт-контракти, написані на Solidity.

Висновок

FHE як передова технологія, яка дозволяє виконувати обчислення на зашифрованих даних, має значні переваги у захисті приватності даних. Хоча наразі комерційне використання FHE все ще стикається з проблемами великої обчислювальної витрати та поганої масштабованості, але завдяки апаратному прискоренню та оптимізації алгоритмів ці проблеми, ймовірно, поступово будуть вирішені. З розвитком технологій блокчейн FHE відіграватиме дедалі важливішу роль у захисті приватності та безпечних обчисленнях. У майбутньому FHE має стати основною технологією, що підтримує обчислення з захистом приватності, привносячи революційний прорив у безпеку даних.