Динаміка ринку криптоактивів та потенціал гомоморфного шифрування
Станом на 13 жовтня, обговорення основних криптоактивів та їх цінова динаміка виглядають наступним чином:
Дані з певної платформи показують, що обсяг обговорень біткоїна за минулий тиждень становив 12,52K раз, що на 0,98% менше в порівнянні з попереднім тижнем. Його закриваюча ціна в неділю становила 63916 доларів, що на 1,62% більше в порівнянні з попереднім тижнем.
Обсяг обговорень Ethereum минулого тижня становив 3,63 тис. разів, що на 3,45% більше в порівнянні з попереднім тижнем. Його закриття в неділю склало 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 тижнем. Його закриття в неділю склало 5.26 доларів, що на 0.25% нижче в порівнянні з попереднім тижнем.
Гомоморфне шифрування(FHE) як передова технологія у сфері шифрування має широкі перспективи застосування. Її основною перевагою є можливість безпосередньо виконувати обчислення над зашифрованими даними без необхідності їх розшифровки, що забезпечує потужну підтримку для захисту конфіденційності та обробки даних. FHE може бути використано у фінансовій сфері, медицині, хмарних обчисленнях, машинному навчанні, виборчих системах, Інтернеті речей та захисті конфіденційності в блокчейні. Тим не менш, комерційний шлях FHE все ще стикається з певними викликами.
Потенціал FHE та сфери застосування
最大на перевага FHE полягає в захисті конфіденційності даних. Наприклад, коли компанії потрібно використовувати обчислювальні потужності іншої компанії для аналізу даних, але вона не хоче, щоб зміст даних став відомий стороні, FHE може бути корисним. Власник даних може передати зашифровані дані стороні для обробки, при цьому результати обчислень залишаються зашифрованими, і власник даних може отримати результати аналізу після розшифрування. Такий механізм не лише захищає конфіденційність даних, але й не заважає необхідній обчислювальній роботі.
Для таких чутливих до даних галузей, як фінанси та охорона здоров'я, функція захисту конфіденційності FHE є особливо важливою. З розвитком хмарних обчислень та ШІ безпека даних стає все більш актуальною. FHE може забезпечити захист конфіденційності в багатосторонніх обчисленнях, дозволяючи учасникам співпрацювати без розкриття чутливої інформації. У технології блокчейн FHE підвищує прозорість і безпеку обробки даних завдяки таким функціям, як захист конфіденційності на ланцюгу та перевірка конфіденційних транзакцій.
Порівняння FHE з іншими техніками шифрування
У сфері Web3 FHE, нульові знання ( ZK ), багатостороннє безпечне обчислення ( MPC ) та довірене середовище виконання ( TEE ) є основними методами захисту конфіденційності. На відміну від ZK, FHE може виконувати різноманітні операції з зашифрованими даними без необхідності їх попереднього розшифрування. MPC дозволяє багатьом сторонам виконувати обчислення, зберігаючи дані зашифрованими, без необхідності ділитися конфіденційною інформацією. TEE забезпечує безпечне обчислювальне середовище, але має обмежену гнучкість в обробці даних.
Ці технології мають свої переваги, але в підтримці складних обчислювальних завдань FHE особливо виділяється. Однак FHE в реальних застосуваннях все ще стикається з високими обчислювальними витратами та поганою масштабованістю, що обмежує його ефективність у реальному часі.
Обмеження та виклики FHE
Хоча теоретичні основи FHE є потужними, у процесі комерціалізації виникли деякі практичні виклики:
Витрати на обчислення великого масштабу: Гомоморфне шифрування потребує величезних обчислювальних ресурсів, і його витрати значно зростають у порівнянні з нешифрованими обчисленнями. Для обчислень з високими степенями поліномів час обробки зростає поліноміально, що важко задовольнити вимоги до обчислень у реальному часі. Хоча можна знизити витрати за допомогою спеціального апаратного прискорення, це також ускладнює процес впровадження.
Обмежена операційна спроможність: хоча Гомоморфне шифрування може виконувати додавання та множення зашифрованих даних, підтримка складних нелінійних операцій є обмеженою, що створює перешкоду для застосувань ШІ, пов'язаних з глибокими нейронними мережами. Поточні схеми Гомоморфного шифрування переважно підходять для лінійних та простих поліноміальних обчислень, застосування нелінійних моделей зазнає значних обмежень.
Складність підтримки кількох користувачів: Gомоморфне шифрування добре працює в сценаріях з одним користувачем, але коли йдеться про набори даних з кількома користувачами, складність системи різко зростає. Хоча деякі дослідження пропонують багатоключову FHE-структуру, яка дозволяє працювати з зашифрованими наборами даних з різними ключами, проте складність управління ключами та архітектури системи суттєво зростає.
Поєднання FHE та ШІ
У сучасну епоху, яка керується даними, AI широко застосовується в різних сферах, але занепокоєння щодо конфіденційності даних часто змушує користувачів не бажати ділитися чутливою інформацією. Гомоморфне шифрування надає рішення для захисту конфіденційності в сфері AI. У сценаріях хмарних обчислень Гомоморфне шифрування дозволяє обробляти дані користувачів у зашифрованому стані, забезпечуючи конфіденційність даних.
Ця перевага є особливо важливою в умовах вимог регуляцій, таких як GDPR, оскільки ці регуляції вимагають від користувачів права на інформацію про способи обробки даних і забезпечують захист даних під час їх передачі. Eнкрипція з кінця в кінець за допомогою Гомоморфного шифрування (FHE) забезпечує відповідність вимогам і безпеку даних.
Застосування Гомоморфного шифрування в блокчейні
FHE в блокчейні в основному використовується для захисту конфіденційності даних, включаючи конфіденційність на ланцюгу, конфіденційність даних для навчання ШІ, конфіденційність голосування на ланцюгу та конфіденційність перевірки транзакцій на ланцюгу тощо. Наразі кілька проектів використовують технологію FHE для просування реалізації захисту конфіденційності:
Рішення FHE, розроблене певною компанією, широко використовується в кількох проектах захисту конфіденційності. Ця компанія зосереджена на технології TFHE, зосереджуючись на булевих операціях та операціях з низькими цілими числами, і побудувала стек розробки FHE для застосувань у блокчейні та AI.
Інша компанія розробила нову мову смарт-контрактів та бібліотеку FHE, придатну для блокчейн-мереж.
Є також проекти, які використовують Гомоморфне шифрування для забезпечення конфіденційності в обчислювальних мережах AI, підтримуючи різні моделі AI.
Деяка мережа поєднує гомоморфне шифрування (FHE) та штучний інтелект, надаючи децентралізоване та захищене приватність середовище для штучного інтелекту.
Як рішення Layer 2 для Ethereum, певний проект підтримує FHE Rollups та FHE Coprocessors, сумісний з EVM і підтримує смарт-контракти, написані на Solidity.
Висновок
FHE як передова технологія, що дозволяє виконувати обчислення на зашифрованих даних, має значні переваги в захисті конфіденційності даних. Хоча наразі комерційним застосуванням FHE все ще заважають великі обчислювальні витрати та погана масштабованість, завдяки апаратному прискоренню та оптимізації алгоритмів ці проблеми, ймовірно, будуть поступово вирішені. У міру розвитку технології блокчейн, FHE відіграватиме все більш важливу роль у захисті конфіденційності та безпечних обчисленнях. У майбутньому FHE має потенціал стати основною технологією, що підтримує обчислення для захисту конфіденційності, забезпечуючи революційні прориви в безпеці даних.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
13 лайків
Нагородити
13
6
Поділіться
Прокоментувати
0/400
SchroedingerGas
· 08-01 07:42
Якщо є монета, а пастка не спрацьовує, то це як з розуму зійти.
Переглянути оригіналвідповісти на0
FlatTax
· 08-01 07:41
btc зростання призвело до інших досить поганих наслідків
Переглянути оригіналвідповісти на0
NFTDreamer
· 08-01 07:41
btc справжній бик чим тихіше, тим більше зростання
Обговорення BTC знижується, ціна зростає. Технологія FHE може стати основою для обчислень з конфіденційністю.
Динаміка ринку криптоактивів та потенціал гомоморфного шифрування
Станом на 13 жовтня, обговорення основних криптоактивів та їх цінова динаміка виглядають наступним чином:
Дані з певної платформи показують, що обсяг обговорень біткоїна за минулий тиждень становив 12,52K раз, що на 0,98% менше в порівнянні з попереднім тижнем. Його закриваюча ціна в неділю становила 63916 доларів, що на 1,62% більше в порівнянні з попереднім тижнем.
Обсяг обговорень Ethereum минулого тижня становив 3,63 тис. разів, що на 3,45% більше в порівнянні з попереднім тижнем. Його закриття в неділю склало 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 тижнем. Його закриття в неділю склало 5.26 доларів, що на 0.25% нижче в порівнянні з попереднім тижнем.
Гомоморфне шифрування(FHE) як передова технологія у сфері шифрування має широкі перспективи застосування. Її основною перевагою є можливість безпосередньо виконувати обчислення над зашифрованими даними без необхідності їх розшифровки, що забезпечує потужну підтримку для захисту конфіденційності та обробки даних. FHE може бути використано у фінансовій сфері, медицині, хмарних обчисленнях, машинному навчанні, виборчих системах, Інтернеті речей та захисті конфіденційності в блокчейні. Тим не менш, комерційний шлях FHE все ще стикається з певними викликами.
Потенціал FHE та сфери застосування
最大на перевага FHE полягає в захисті конфіденційності даних. Наприклад, коли компанії потрібно використовувати обчислювальні потужності іншої компанії для аналізу даних, але вона не хоче, щоб зміст даних став відомий стороні, FHE може бути корисним. Власник даних може передати зашифровані дані стороні для обробки, при цьому результати обчислень залишаються зашифрованими, і власник даних може отримати результати аналізу після розшифрування. Такий механізм не лише захищає конфіденційність даних, але й не заважає необхідній обчислювальній роботі.
Для таких чутливих до даних галузей, як фінанси та охорона здоров'я, функція захисту конфіденційності FHE є особливо важливою. З розвитком хмарних обчислень та ШІ безпека даних стає все більш актуальною. FHE може забезпечити захист конфіденційності в багатосторонніх обчисленнях, дозволяючи учасникам співпрацювати без розкриття чутливої інформації. У технології блокчейн FHE підвищує прозорість і безпеку обробки даних завдяки таким функціям, як захист конфіденційності на ланцюгу та перевірка конфіденційних транзакцій.
Порівняння FHE з іншими техніками шифрування
У сфері Web3 FHE, нульові знання ( ZK ), багатостороннє безпечне обчислення ( MPC ) та довірене середовище виконання ( TEE ) є основними методами захисту конфіденційності. На відміну від ZK, FHE може виконувати різноманітні операції з зашифрованими даними без необхідності їх попереднього розшифрування. MPC дозволяє багатьом сторонам виконувати обчислення, зберігаючи дані зашифрованими, без необхідності ділитися конфіденційною інформацією. TEE забезпечує безпечне обчислювальне середовище, але має обмежену гнучкість в обробці даних.
Ці технології мають свої переваги, але в підтримці складних обчислювальних завдань FHE особливо виділяється. Однак FHE в реальних застосуваннях все ще стикається з високими обчислювальними витратами та поганою масштабованістю, що обмежує його ефективність у реальному часі.
Обмеження та виклики FHE
Хоча теоретичні основи FHE є потужними, у процесі комерціалізації виникли деякі практичні виклики:
Витрати на обчислення великого масштабу: Гомоморфне шифрування потребує величезних обчислювальних ресурсів, і його витрати значно зростають у порівнянні з нешифрованими обчисленнями. Для обчислень з високими степенями поліномів час обробки зростає поліноміально, що важко задовольнити вимоги до обчислень у реальному часі. Хоча можна знизити витрати за допомогою спеціального апаратного прискорення, це також ускладнює процес впровадження.
Обмежена операційна спроможність: хоча Гомоморфне шифрування може виконувати додавання та множення зашифрованих даних, підтримка складних нелінійних операцій є обмеженою, що створює перешкоду для застосувань ШІ, пов'язаних з глибокими нейронними мережами. Поточні схеми Гомоморфного шифрування переважно підходять для лінійних та простих поліноміальних обчислень, застосування нелінійних моделей зазнає значних обмежень.
Складність підтримки кількох користувачів: Gомоморфне шифрування добре працює в сценаріях з одним користувачем, але коли йдеться про набори даних з кількома користувачами, складність системи різко зростає. Хоча деякі дослідження пропонують багатоключову FHE-структуру, яка дозволяє працювати з зашифрованими наборами даних з різними ключами, проте складність управління ключами та архітектури системи суттєво зростає.
Поєднання FHE та ШІ
У сучасну епоху, яка керується даними, AI широко застосовується в різних сферах, але занепокоєння щодо конфіденційності даних часто змушує користувачів не бажати ділитися чутливою інформацією. Гомоморфне шифрування надає рішення для захисту конфіденційності в сфері AI. У сценаріях хмарних обчислень Гомоморфне шифрування дозволяє обробляти дані користувачів у зашифрованому стані, забезпечуючи конфіденційність даних.
Ця перевага є особливо важливою в умовах вимог регуляцій, таких як GDPR, оскільки ці регуляції вимагають від користувачів права на інформацію про способи обробки даних і забезпечують захист даних під час їх передачі. Eнкрипція з кінця в кінець за допомогою Гомоморфного шифрування (FHE) забезпечує відповідність вимогам і безпеку даних.
Застосування Гомоморфного шифрування в блокчейні
FHE в блокчейні в основному використовується для захисту конфіденційності даних, включаючи конфіденційність на ланцюгу, конфіденційність даних для навчання ШІ, конфіденційність голосування на ланцюгу та конфіденційність перевірки транзакцій на ланцюгу тощо. Наразі кілька проектів використовують технологію FHE для просування реалізації захисту конфіденційності:
Рішення FHE, розроблене певною компанією, широко використовується в кількох проектах захисту конфіденційності. Ця компанія зосереджена на технології TFHE, зосереджуючись на булевих операціях та операціях з низькими цілими числами, і побудувала стек розробки FHE для застосувань у блокчейні та AI.
Інша компанія розробила нову мову смарт-контрактів та бібліотеку FHE, придатну для блокчейн-мереж.
Є також проекти, які використовують Гомоморфне шифрування для забезпечення конфіденційності в обчислювальних мережах AI, підтримуючи різні моделі AI.
Деяка мережа поєднує гомоморфне шифрування (FHE) та штучний інтелект, надаючи децентралізоване та захищене приватність середовище для штучного інтелекту.
Як рішення Layer 2 для Ethereum, певний проект підтримує FHE Rollups та FHE Coprocessors, сумісний з EVM і підтримує смарт-контракти, написані на Solidity.
Висновок
FHE як передова технологія, що дозволяє виконувати обчислення на зашифрованих даних, має значні переваги в захисті конфіденційності даних. Хоча наразі комерційним застосуванням FHE все ще заважають великі обчислювальні витрати та погана масштабованість, завдяки апаратному прискоренню та оптимізації алгоритмів ці проблеми, ймовірно, будуть поступово вирішені. У міру розвитку технології блокчейн, FHE відіграватиме все більш важливу роль у захисті конфіденційності та безпечних обчисленнях. У майбутньому FHE має потенціал стати основною технологією, що підтримує обчислення для захисту конфіденційності, забезпечуючи революційні прориви в безпеці даних.