원저자: 0x Todd
지난번에는 완전동형암호(FHE, Fully Homomorphic Encryption) 기술이 어떻게 작동하는지 분석했습니다.
그러나 여전히 많은 친구들이 FHE를 ZK, MPC 등의 암호화 기술과 혼동하고 있으므로 두 번째 스레드에서는 이 세 가지 기술을 자세히 비교할 계획입니다.
FHE 대 ZK 대 MPC
먼저 가장 기본적인 질문부터 시작해 보겠습니다. - 이 세 가지 기술은 무엇입니까? - 어떻게 작동하나요? - 블록체인 애플리케이션에서는 어떻게 작동하나요?
1. 영지식증명(ZK): “유출 없이 증명” 강조
영지식증명(ZK) 기술이 탐구하는 제안은 특정 내용을 공개하지 않고 정보의 진위를 확인하는 방법입니다.
ZK는 영지식 증명을 통해 비밀 자체에 대한 정보를 공개하지 않고도 상대방인 Bob에게 자신이 비밀을 알고 있음을 증명할 수 있는 견고한 암호화 기반 위에 구축되었습니다.
Alice가 자동차 렌트 업체의 직원인 Bob에게 자신의 신용도를 증명하고 싶지만 결제 등을 하기 위해 은행에 가는 것을 원하지 않는 시나리오를 상상해 보십시오. 예를 들어 이때 은행/결제 소프트웨어의 신용 점수는 영지식 증명과 비슷합니다.
Alice는 자신의 계정 흐름을 보여주지 않고 Bob이 제로 지식을 가지고 있다는 조건 하에서 자신의 신용 점수가 좋다는 것을 증명합니다.
블록체인에 적용하면 이전 익명화폐인 Zcash를 참조할 수 있습니다.
Alice가 다른 사람에게 돈을 이체할 때 익명으로 이 코인을 이체할 권한이 있음을 증명해야 하며(그렇지 않으면 이중 지출로 이어질 수 있음) ZK 증명을 생성해야 합니다.
따라서 채굴자 Bob은 이 증거를 본 후에도 그녀가 누구인지 알지 못한 채(즉, Alice의 신원에 대해 전혀 알지 못한 채) 체인에 거래를 계속할 수 있습니다.
2. 다자간 보안연산(MPC) : 누출 없이 계산하는 방법 강조
MPC(Multi-party Secure Computing) 기술은 주로 여러 참가자가 민감한 정보를 유출하지 않고 함께 안전하게 계산할 수 있도록 하는 방법에 사용됩니다.
이 기술을 사용하면 여러 참가자(예: Alice, Bob 및 Carol)가 입력 데이터를 공개하지 않고도 함께 작업하여 계산 작업을 완료할 수 있습니다.
예를 들어 Alice, Bob, Carol이 구체적인 급여를 공개하지 않고 세 사람의 평균 급여를 계산하려는 경우입니다. 그럼 어떻게 해야 할까요?
각 사람은 자신의 급여를 세 부분으로 나누고 두 부분을 다른 두 부분과 교환할 수 있습니다. 각 사람은 받은 숫자를 더한 다음 그 합계를 공유합니다.
결국 세 사람은 세 가지 합계를 합산해 평균을 구했지만 자신을 제외한 다른 사람의 정확한 급여를 가늠할 수 없었다.
암호화폐 산업에 적용하면 MPC 지갑은 이러한 기술을 사용합니다.
Binance나 Bybit에서 출시한 가장 간단한 MPC 지갑을 예로 들어보겠습니다. 사용자는 더 이상 12개의 니모닉 단어를 저장할 필요가 없지만 개인 키 매직을 사용자 휴대폰에 1개의 복사본인 2/2 다중 서명으로 변경하는 것과 다소 유사합니다. 사용자의 클라우드 공유에 있는 하나는 공유 하나를 교환합니다.
사용자가 실수로 휴대폰을 분실한 경우 최소한 Cloud + Exchange를 통해 복구할 수 있습니다.
물론 더 높은 보안이 필요한 경우 일부 MPC 지갑은 개인 키 조각을 보호하기 위해 더 많은 제3자의 도입을 지원할 수 있습니다.
따라서 MPC의 암호화 기술을 기반으로 여러 당사자가 서로를 신뢰하지 않고 안전하게 개인 키를 사용할 수 있습니다.
3. FHE(Fully Homomorphic Encryption): 아웃소싱을 찾기 위한 암호화 방법 강조
지난 스레드에서 언급했듯이 FHE(완전 동형 암호화)는 암호화 방법에 적용되어 민감한 데이터를 암호화한 후 보조 계산을 위해 신뢰할 수 없는 제3자에게 전달될 수 있으며 결과는 여전히 해독될 수 있습니다. 우리에 의해. 이전 포털: https://x.com/0x_Todd/status/1810989860620226900…
예를 들어, Alice는 자신만의 컴퓨팅 능력이 없으며 계산을 위해 Bob에게 의존해야 하지만 Bob에게 진실을 말하고 싶지 않으므로 원본 데이터에 노이즈만 도입할 수 있습니다. 암호화) 그런 다음 Bob의 강력한 컴퓨팅 능력을 사용하여 Alice가 데이터를 처리하고 최종적으로 해독하여 실제 결과를 얻습니다. 반면 Bob은 내용에 대해 전혀 모릅니다.
클라우드 컴퓨팅 환경에서 의료 기록이나 개인 금융 정보와 같은 민감한 데이터를 처리해야 한다면 FHE가 특히 중요합니다. 이를 통해 처리 전반에 걸쳐 데이터를 암호화된 상태로 유지할 수 있으므로 데이터를 안전하게 유지할 뿐만 아니라 개인 정보 보호 규정도 준수합니다.
지난번에는 AI 산업에 FHE가 필요한 이유를 집중적으로 분석했습니다. 그렇다면 암호화 산업에서 FHE 기술은 어떤 애플리케이션을 가져올 수 있을까요? 예를 들어 이더리움 보조금을 받았고 바이낸스 인큐베이터 프로젝트이기도 한 Mind Network라는 프로젝트가 있습니다. PoS 메커니즘의 기본 문제에 중점을 둡니다.
이더리움과 같은 PoS 프로토콜에는 100개 이상의 검증자가 있으므로 문제가 없습니다. 그러나 많은 소규모 프로젝트의 경우 채굴자는 본질적으로 게으르다.
왜 그런 말을 해? 이론적으로 노드의 임무는 각 거래가 합법적인지 여부를 부지런히 확인하는 것입니다. 그러나 일부 소규모 PoS 프로토콜에는 노드가 충분하지 않고 대형 노드가 많이 포함되어 있습니다.
따라서 많은 소규모 PoS 노드는 스스로 계산하고 검증하는 데 시간을 낭비하는 것보다 대규모 노드의 기성 결과를 직접 따르고 복사하는 것이 더 낫다는 것을 발견했습니다.
이것이 극도로 과장된 중앙집권화를 가져올 것이라는 데에는 의심의 여지가 없습니다.
게다가 투표 장면에도 이런 다음 표시가 있다.
예를 들어, MakerDAO 프로토콜에 대한 이전 투표에서 A16Z는 그 해 MKR 투표 위치가 너무 많았기 때문에 A16Z의 태도가 특정 프로토콜에서 결정적인 역할을 하는 경우가 많았습니다. A16Z 투표 이후 다수의 소규모 기표소에서는 투표를 따르거나 기권할 수밖에 없었고 이는 진정한 여론을 전혀 반영하지 못했습니다.
따라서 Mind Network는 FHE 기술을 활용합니다.
PoS 노드가 서로의 답을 알지 못하는 경우에도 머신 컴퓨팅 성능을 사용하여 블록 검증을 완료하고 PoS 노드가 서로 표절하는 것을 방지할 수 있습니다.
또는
이를 통해 유권자들은 서로의 투표 의도를 모르더라도 투표 플랫폼을 이용하여 투표 결과를 계산하여 투표 후속 조치를 방지할 수 있습니다.
이는 블록체인에서 FHE의 중요한 적용 중 하나입니다.
따라서 이러한 기능을 구현하려면 Mind도 다시 스테이킹하는 마트료시카 프로토콜을 다시 구축해야 합니다. EigenLayer 자체는 향후 일부 소규모 블록체인에 대해 아웃소싱 노드 서비스를 제공할 예정이며 FHE와 협력하면 PoS 네트워크 또는 투표의 보안이 크게 향상될 수 있습니다.
부적절한 비유를 사용하자면, 작은 블록체인에 Eigen+Mind를 도입하는 것은 마치 자국의 내정을 처리할 수 없는 작은 나라와 같아서 외국 군대를 도입하는 것과 같습니다.
이는 PoS/Restake 부문에서 Mind와 Renzo 및 Puffer의 차이점 중 하나로 볼 수 있습니다. Renzo 및 Puffer에 비해 Mind Network는 최근에 메인넷을 출시했으며 비교적 규모가 크지 않습니다. 여름을 다시 맞이합니다.
물론 Mind Network는 FHE 기술을 사용하여 AI에 공급되는 데이터를 암호화한 다음 AI가 원본 데이터를 *알지* 않고도 이 데이터를 학습하고 처리할 수 있도록 하는 등 AI 부문에서 서비스도 제공합니다. bittensor 하위 네트워크 협력.
마지막으로 요약하자면 다음과 같습니다.
ZK(영지식 증명), MPC(다자간 계산) 및 FHE(완전 동형 암호화)는 모두 데이터 개인 정보 보호 및 보안을 보호하도록 설계된 고급 암호화 기술이지만 애플리케이션 시나리오/기술적 복잡성에는 차이가 있습니다.
적용 시나리오: ZK는 증명 방법을 강조합니다. 이는 추가 정보를 공개하지 않고도 한 당사자가 특정 정보의 정확성을 다른 당사자에게 증명할 수 있는 방법을 제공합니다. 이 기술은 권한이나 ID를 확인해야 할 때 유용합니다.
MPC는 계산 방법을 강조합니다. 이를 통해 여러 참가자가 개별 입력을 공개하지 않고도 함께 계산을 수행할 수 있습니다. 이는 데이터 협업이 필요하지만 기관 간 데이터 분석 및 재무 감사와 같이 모든 당사자의 데이터 개인 정보를 보호해야 하는 상황에서 사용됩니다.
FHE는 암호화 방법을 강조합니다. 이를 통해 데이터가 항상 암호화된 상태로 유지되면서 복잡한 계산을 위임할 수 있습니다. 이는 사용자가 클라우드 환경에서 민감한 데이터를 안전하게 처리할 수 있는 클라우드 컴퓨팅/AI 서비스에 특히 중요합니다.
기술적 복잡성: ZK는 이론적으로는 강력하지만 효과적이고 구현하기 쉬운 영지식 증명 프로토콜을 설계하는 것은 매우 복잡할 수 있으며, 모든 사람이 이해하지 못하는 다양한 회로와 같은 깊은 수학과 프로그래밍 기술이 필요할 수 있습니다.
MPC는 구현 시 동기화 및 통신 효율성 문제를 해결해야 하며, 특히 참가자가 많은 경우 조정 비용과 계산 오버헤드가 매우 높을 수 있습니다.
FHE는 컴퓨팅 효율성 측면에서 큰 과제에 직면해 있습니다. 암호화 알고리즘은 비교적 복잡하며 2009년에야 개발되었습니다. 이론적 매력에도 불구하고 실제 응용 분야에서 높은 계산 복잡성과 시간 비용이 주요 장애물로 남아 있습니다.
솔직히 말해서, 우리가 의존하는 데이터 보안과 개인정보 보호는 전례 없는 어려움에 직면해 있습니다. 암호화 기술이 없다면 문자 메시지, 테이크아웃, 온라인 쇼핑의 모든 정보가 노출될 것이라고 상상해 보십시오. 열려진 문처럼 누구나 마음대로 들어갈 수 있습니다.
이 세 가지 개념에 대해 혼란스러워하는 친구들이 암호학의 성배에 있는 이 세 가지 진주를 철저히 구별할 수 있기를 바랍니다.
