VCの間で人気、FHEエコシステムの注目すべきプロジェクトをご覧ください
原作者：うんちマン
オリジナルコンピレーション: Joyce、BlockBeats
編集者注:
「FHE」は、最近暗号化コミュニティでホットな技術トピックです。
2週間前、イーサリアムレイヤー2フェニックスは、Hack VC主導による1,500万ドルのシリーズAラウンドの完了を発表した。Fhenixは、昨年の時点でMulticoin主導のシードラウンドの資金調達を受けていた。 Fhenix は、FHE ロールアップと FHE コプロセッサを搭載したイーサリアム L2 で、オンチェーンの機密計算を備えた FHE ベースのスマート コントラクトを実行できます。昨日、メジャーアップデートが行われているArweaveの創設者であるサム・ウィリアムズ氏もソーシャルメディアに投稿し、FHEを使用してAOプロセス内でプライバシー計算を実行する機能が間もなく開始されると述べた。
コミュニティ KOL Poopman によるこの長い記事では、FHE とエコロジー プロジェクトの概念が簡潔にまとめられており、FHE が直面する技術的課題と考えられる解決策が次のようにまとめられています。
FHE は、暗号化されたデータを復号化せずに計算できる可能性を開きます。ブロックチェーン、MPC、ZKP (スケーラビリティ) と組み合わせると、FHE は必要な機密性を提供し、さまざまなオンチェーンのユースケースをサポートします。
この記事では、FHEの背景、FHEの仕組み、FHEエコシステムの5つの風景、FHEの現状の課題と解決策の4つを紹介します。
FHEの背景
FHE は 1978 年に初めて提案されましたが、計算の複雑さのため、長い間実用的ではなく、むしろ理論的なものでした。 Craig が FHE の実現可能なモデルを開発したのは 2009 年になってからであり、これが FHE への研究への関心を引き起こしました。
2020年に座間市はTFHEとfhEVMを立ち上げ、FHEが仮想通貨分野の焦点となった。それ以来、Fhenix、Inco などのユニバーサル EVM 互換 FHE L1/L2 や、Sunscreen などの FHE コンパイラが登場してきました。
FHEはどのように機能しますか?
中にパズルのピースが入ったブラインドボックスがあると想像してみてください。ただし、ブラインド ボックスは与えられたパズルについて何も学習できませんが、結果を数学的に計算することはできます。
抽象的すぎる場合は、FHE の簡略化した説明からさらに詳しく学ぶことができます。 FHE は、暗号化されたデータを復号化せずに計算を実行できるプライバシー テクノロジです。言い換えれば、サードパーティまたはクラウドは、内部のデータにアクセスすることなく機密情報を処理できます。
では、FHE の使用例は何でしょうか? ZKP と MPC を通じて、機械学習、クラウド コンピューティング、オンチェーン ギャンブルのプライバシーを強化します。プライベート チェーン/プライベート スマート コントラクト/プライバシー重視の仮想マシン (FHEVM など) でのトランザクション。
FHE のユースケースには、プライベート オンチェーン コンピューティング、オンチェーン データ暗号化、パブリック ネットワーク上のプライベート スマート コントラクト、機密 ERC 20、プライベート投票、NFT ブラインド オークション、より安全な MPC、フロントランニング トランザクション保護、トラストレス ブリッジなどがあります。
FHE エコシステム
一般に、オンチェーン FHE の見通しは 5 つの領域に要約できます。それらは、一般的な FHE、特定のユースケース (アプリケーション) 用の FHE/HE、FHE アクセラレーション ハードウェア、FHE Wif AI、および「代替ソリューション」です。
ユニバーサル FHE ブロックチェーンとツール
これらはブロックチェーンの機密性の根幹です。これには、SDK、コプロセッサ、コンパイラ、新しい実行環境、ブロックチェーン、FHE モジュールが含まれます。最も難しいのは、EVM、つまり fhEVM に FHE を導入することです。
fhEVM:
座間 ( @zama_fhe ) は、TFHE (完全準同型暗号化) + fhEVM (完全準同型仮想マシン) ソリューションを提供する最初のプロバイダーである fhEVM の代表です。
Fhenix ( @FhenixIO ) は、ETH 上に FHE L2 (第 2 層) + FHE コプロセッサを実装します。
ゲーム/RWA(現実世界資産)/DID(分散型アイデンティティ)/ソーシャル等の分野に特化したEVMであるインコネットワーク( @inconetwork )はFHE L1に対応しています。
openFHE と連携する完全準同型仮想マシン (FHE-(E)VM) 研究組織である FairMath ( @FairMath ) は、FHE の実装と採用の促進に取り組んでいます。
FHE インフラストラクチャ ツール:
Octra network ( @octra ) は、HFHE (高次完全準同型暗号化) 分離実行環境をサポートするブロックチェーンです。
Sunscreen ( @SunscreenTech ) は、Rust に基づく完全準同型コンパイラーであり、Microsoft の SEAL ライブラリに依存しています。
プログラマブル暗号化および条件付き復号化サービスのプロバイダーである Fairblock ( @0x Fairblock ) も、tFHE (Threshold Fully Homomorphic Encryption) をサポートしています。
Dero ( @DeroProject ) は、プライベート トランザクション (FHE ではない) のために、HE (準同型暗号化) の L1 をサポートします。
Arcium ( @ArciumHQ )、 @elusivprivacyチームによって開発された、HE (準同型暗号化) + MPC (マルチパーティ計算) + ZK (ゼロ知識証明) プライバシーを組み合わせた L1。
Shibraum FHE チェーン、FHE L1 は、zama TFHE ソリューションを使用して作成されました。
目的別用途向けの FHE/HE
Penumbrazone ( @penumbrazone ): tFHE をシールドされた交換/プールとして使用するクロスチェーン Cosmos dex (アプリチェーン)。
zkHold-em ( @zkHoldem ): これは Manta でのポーカー ゲームで、HE と ZKP を使用してゲームの公平性を証明します。
ハードウェアアクセラレーションされたFHE
FHE-ML などの集中的な計算に FHE が使用されるたびに、ノイズの増加を抑えるためのブートストラップが重要になります。ハードウェア アクセラレーションなどのソリューションは、ASIC が最高のパフォーマンスを発揮し、起動を容易にする上で重要な役割を果たします。
Optalysys ( @Optalysys ) は、FHE を含むすべての TEE 関連ソフトウェアを光コンピューティングを通じて高速化することに重点を置いたハードウェア会社です。
Chain Reaction ( @chainreactioni 0 ) は、マイニング効率の向上に役立つチップを製造するハードウェア会社です。彼らは2024年末までにFHEチップを発売する予定だ。
Ingonyama ( @Ingo_zk ) は、ZKP/FHE ハードウェア アクセラレーションに重点を置いている半導体企業です。既存製品にはZPUが含まれます。
Cysic ( @cysic_xyz ) は、ハードウェア アクセラレーション会社です。その既存の製品には、自社開発の FPGA ハードウェアに加え、今後登場する ZK DePiN チップ、ZK Air および ZK Pro が含まれます。
各社は、FHE ブート/コンピューティングを高速化するチップ、ASIC、半導体などのハードウェアを専門としています。
AI×FHE
最近、FHE を AI/ML に統合することへの関心が高まっています。とりわけ、FHE は、機密情報の処理中に機械が学習するのを防ぎ、プロセス全体を通じてデータ、モデル、出力の機密性を確保します。
Ai x FHE のメンバーは次のとおりです。
Mind network ( @mindnetwork_xyz ) は、高価値のデータ暗号化とプライベート投票を通じてプルーフ オブ ステーク (PoS) および AI ネットワークを保護するために使用される FHE 再ステーキング レイヤーであり、ノードの共謀や操作の可能性を低減します。
SightAl ( @theSightAI )、検証可能な FHE-ML を備えた検証可能な FHE AI 推論ブロックチェーン。ブロックチェーンは、サイト チェーン、データ集約層 (DA 層)、および FHE-ML タスクを実行する視覚的推論ネットワーク (サイト推論ネットワーク) の 3 つの主要な部分で構成されます。
Based AI ( @getbasedai )、Based AI は、「Cerberus Squeezing」と呼ばれるメカニズムを使用して、FHE と大規模言語モデル (LLM) を統合する L1 ブロックチェーンです。LLM は、暗号化されたゼロ知識大規模言語モデルに変換されます。 (ZL-LLM)。
Privasea Al ( @Privasea_ai )、Privasea AI は、ユーザーが HESea ライブラリの FHE スキームを使用してデータまたはモデルを暗号化し、それを Privasea-AI ネットワークにアップロードできるようにする AI ネットワークです。そこで、ブロックチェーンがデータを処理します。暗号化された状態。
HESea ライブラリは包括的で、TFHE、CKKS、BGV/BFV 用のさまざまなライブラリが含まれており、さまざまなシナリオと互換性があります。
「代替ソリューション」MPC/ZKFHE
FHE を使用せず、MPC を使用して高価値データを保護し、「ブラインド計算」を実行するものもあれば、ZKSNARK を使用して暗号化データに対する FHE の計算の正確性を保証するものもあります。彼らです：
Nillion Network ( @nillionnetwork ) は、MPC を使用して高価値データを分散して保存すると同時に、ユーザーがプログラムを作成してブラインド計算を実行できるようにするコンピューティング ネットワークです。 Nillion は、コーディネーション レイヤーと Petnet という 2 つの主要コンポーネントで構成されています。調整層は支払いチャネルとして機能し、Petnet は高価値データのブラインド計算と保存を実行します。
Padolabs ( @padolabs )、Pado は、FHE を使用して機密データを処理し、MPC-TLS と ZKP を使用して計算の正確性を保証するコンピューティング ネットワークです。
FHE の課題と解決策
ZK や MPC とは異なり、FHE はまだ初期段階にあります。現在の FHE のボトルネックは何ですか?コンピューティングのセキュリティを強化するために、暗号化中に暗号文にある程度の「ノイズ」が追加されます。暗号文に「ノイズ」が蓄積しすぎると、「ノイズ」が多くなり、最終的には出力の精度に影響を及ぼします。 TFHE、CKKS、BGV などのさまざまなソリューションが、設計にあまりにも多くの制約を課すことなくノイズを効果的に除去する方法を模索しています。
FHE の主な課題は次のとおりです。
パフォーマンスが遅い: 現在、fh-EVM を使用するプライベート スマート コントラクトの TPS は 5 つだけです。純粋なデータと比較して、TFHE のパフォーマンスは約 1000 倍遅くなります。
開発者にはまだ適していません: 標準化されたアルゴリズムと全体的にサポートされている FHE ツールがまだ不足しています。
高い計算オーバーヘッド (コスト): ノイズ管理と起動のための複雑な計算により、ノードの集中化が発生する可能性があります。
安全でないチェーン上の FHE のリスク: しきい値復号システムのセキュリティを確保するために、復号キーはノード間で配布されます。ただし、FHE のオーバーヘッドが高いため、バリデーターの数が減り、共謀の可能性が高くなる可能性があります。
解決策には次のようなものがあります。
プログラム可能なブースト: 起動中に計算を適用できるため、アプリケーション固有でありながら効率が向上します。
ハードウェア アクセラレーション: ASIC、GPU、FPGA、および OpenFHE ライブラリを開発して、FHE パフォーマンスを高速化します。
より優れた閾値復号化システム。つまり、チェーン上の FHE をより安全にするためには、次のことを保証するシステム (MPC である可能性があります) が必要です。 ノード エントリのしきい値を下げ、分散化を実現します。
