ตัวแปร: การสร้างในความมืด การทำแผนที่ภูมิทัศน์ความเป็นส่วนตัวของการเข้ารหัสลับในปัจจุบัน

ผู้เขียนต้นฉบับ: Derek Walkush หุ้นส่วนการลงทุนของ Variant Fund

ต้นฉบับเรียบเรียง: ลูฟี่, Foresight News

ในอนาคต ธุรกรรมออนไลน์ส่วนใหญ่อาจเป็นแบบส่วนตัว

ความโปร่งใสของสกุลเงินดิจิทัลขัดขวางนักพัฒนาแอปพลิเคชันจำนวนมาก พื้นที่การออกแบบสำหรับนักพัฒนาในการสร้างแอปพลิเคชันโดยใช้ข้อมูลผู้ใช้ที่ละเอียดอ่อนนั้นมีมากมาย ตั้งแต่เกมไปจนถึงหนังสือคำสั่งความเป็นส่วนตัว ไปจนถึงโครงสร้างพื้นฐาน MEV

การละเมิดข้อมูลเพิ่มขึ้นกว่าสองเท่าในช่วงปี 2558 ถึง 2565 และผู้บริโภคเทคโนโลยีในปัจจุบันมีความกังวลมากขึ้นเกี่ยวกับการปกป้องข้อมูลส่วนบุคคลของตน ในขณะที่ข้อกังวลเรื่องความเป็นส่วนตัวอาจลดน้อยลง แต่แนวโน้มที่ใหญ่ขึ้นก็เริ่มชัดเจน: เมื่อการรวบรวมข้อมูลขนาดใหญ่และการค้าข้อมูลเติบโตขึ้น รอยเท้าออนไลน์จะง่ายขึ้นมากขึ้นในการติดตามกลับไปยังยักษ์ใหญ่ด้านเทคโนโลยีรายใหญ่และผู้ที่กำหนดเป้าหมายไปที่ honeypots เหล่านี้ ฝ่ายตรงข้ามภายนอก

ภายในหมวดหมู่แอปสำหรับผู้ใหญ่ แอปที่มีอยู่บางแอปกำลังเผชิญกับผู้ท้าทายใหม่ที่ให้ความสำคัญกับความเป็นส่วนตัว ลองดูที่การเพิ่มขึ้นของแอปส่งข้อความที่เข้ารหัส เช่น Telegram และ Signal ตั้งแต่ปี 2019 ถึง 2021 ในพื้นที่สกุลเงินดิจิทัล Brave ได้เห็นการเติบโตที่น่าประทับใจในช่วงตลาดหมีเมื่อเร็ว ๆ นี้ โดยเพิ่มขึ้นเป็น 66 ล้าน ATH MAU ในเดือนพฤศจิกายน 2023 เพื่อให้เข้าใจง่ายขึ้น นั่นคือประมาณ 15% ของฐานผู้ใช้ Firefox ในปี 2022 ด้วยเหตุนี้ โครงการ crypto จำนวนมากจึงแข่งขันกันเพื่อนำเสนอเครื่องมือและโซลูชันที่มีประสิทธิภาพ ซึ่งทำให้การสร้างแอปพลิเคชันความเป็นส่วนตัวเป็นเรื่องง่ายที่สุด

มีตัวอย่างมากมายของการใช้ประโยชน์จากเทคโนโลยีความเป็นส่วนตัวในสกุลเงินดิจิทัล ในด้านผู้บริโภค เราเห็นการทดลองที่น่าตื่นเต้นกับเกมความเป็นส่วนตัวแบบ full-chain เช่น โป๊กเกอร์ และ Fog of War ในด้าน DeFi บางคนกำลังสร้าง หนังสือคำสั่งมืด ซึ่งเป็นสภาพแวดล้อมการซื้อขายที่ผู้เข้าร่วมตลาดสาธารณะไม่สามารถดูได้ (เพื่อเป็นข้อมูลเบื้องต้นเล็กๆ น้อยๆ ในเดือนเมษายน 2019 ปริมาณการดำเนินการของ Dark Pool คิดเป็นประมาณ 40% ของปริมาณการซื้อขายตราสารทุนแบบดั้งเดิม) สภาพคล่องของ Dark Pool ยังสามารถขับเคลื่อนผลลัพธ์ของตลาดที่มีประสิทธิภาพมากขึ้นโดยการลด MEV เนื่องจากธรรมชาติของบล็อกเชนเปิดเผยต่อสาธารณะ บริษัทการค้าที่จัดตั้งขึ้นหลายแห่งจึงถูกห้ามไม่ให้ดำเนินกลยุทธ์ที่ซับซ้อน ดังนั้นการซื้อขายส่วนตัวจึงสามารถเปิดประตูให้ผู้เล่นทางการเงินมืออาชีพเข้าสู่ระบบนิเวศของสกุลเงินดิจิทัลได้มากขึ้น

การขาดความเป็นส่วนตัวของผู้ใช้ Cryptocurrencies ยังคงเป็นคอขวดในการขยายการยอมรับ เพื่อปรับให้เข้ากับความคาดหวังความเป็นส่วนตัวใหม่ ผู้สร้างแอป crypto จะต้องจัดลำดับความสำคัญความเป็นส่วนตัวตั้งแต่เริ่มต้น

ดังนั้นผู้สร้างแอป crypto ควรนำทางโซลูชันความเป็นส่วนตัวอย่างไร

วิธีปกป้องความเป็นส่วนตัวของผู้ใช้

วิธีการหลักทั่วไปที่ใช้ในปัจจุบันในการสร้างแอปพลิเคชันส่วนตัว ได้แก่ Trusted Execution Environment (TEE), Zero Knowledge (ZK), Multi-Party Computation (MPC) และ Fully Homomorphic Encryption (FHE) ด้านล่างนี้เป็นภาพรวมโดยย่อของแต่ละแนวทาง พร้อมด้วยโครงการที่เป็นตัวแทน

พื้นที่ทั้งหมดยังอยู่ในช่วงเริ่มต้น ดังนั้นการเปรียบเทียบต่อไปนี้เป็นเพียงการคาดการณ์ว่าแต่ละเทคโนโลยีจะพัฒนาไปอย่างไรในอีกไม่กี่ปีข้างหน้า วิธีการเหล่านี้ไม่สามารถเทียบเท่าหรือใช้แทนกันได้ โดยสรุป สามารถแบ่งกว้าง ๆ เป็นฮาร์ดแวร์เฉพาะ (TEE) และการเข้ารหัส (ZK, MPC, FHE) ยิ่งไปกว่านั้น หลายๆ อย่างทับซ้อนกันจริงๆ ตัวอย่างเช่น FHE จะต้องใช้ร่วมกับ ZK หรือ MPC ดังที่กล่าวไปแล้ว โดยการตรวจสอบวิถีของแต่ละแนวทาง เราสามารถดึงข้อมูลเชิงลึกว่าความเป็นส่วนตัวมีการพัฒนาในวงกว้างมากขึ้นได้อย่างไร

TEE

คำอธิบาย: สภาพแวดล้อมการประมวลผลนอกเครือข่ายที่เชื่อถือได้และปลอดภัย

โปรเจ็กต์: ARM TrustZone, AWS Nitro, Intel SGX, เครือข่ายลับ

ZK

คำอธิบาย: ใช้การเข้ารหัสแบบไม่มีความรู้เพื่อตรวจสอบสิทธิ์ข้อมูลส่วนตัวและการคำนวณ

โครงการ: Aleo, Aztec, Mina, Nocturne, สระน้ำเพื่อความเป็นส่วนตัว

MPC

คำอธิบาย: ทำการคำนวณร่วมกันกับข้อมูลส่วนตัวที่แยกจากกัน

โครงการ: ล้านล้าน

FHE

คำอธิบาย : การคำนวณข้อมูลที่เข้ารหัส

โครงการ: Fhenix, Inco, ครีมกันแดด, Zama

ปัจจัยสำคัญสองประการในการเลือกโครงสร้างพื้นฐานคือสมมติฐานและประสิทธิภาพของความน่าเชื่อถือด้านความเป็นส่วนตัว คำเหล่านี้เป็นคำที่ละเอียดถี่ถ้วนมากและแผนภาพด้านล่างจะอธิบายแนวคิดทั้งสอง พวกเขาแสดงให้เห็นถึงสมมติฐานที่ว่าข้อมูลยังคงเป็นส่วนตัว (ซึ่งมีความสำคัญอย่างยิ่งสำหรับนักพัฒนาที่กำลังพิจารณาสร้างแอปพลิเคชันความเป็นส่วนตัว) และข้อแลกเปลี่ยนที่เกี่ยวข้องกับการบรรลุประสิทธิภาพในระดับหนึ่ง

เมื่อเวลาผ่านไป เราสามารถคาดหวังได้ว่ากลไกตลาดจะนำไปสู่ผลลัพธ์ที่มีประสิทธิภาพมากขึ้นสำหรับเทคโนโลยีเหล่านี้มากมาย การเร่งด้วยฮาร์ดแวร์และตัวเร่งปฏิกิริยาอื่นๆ อาจปรับปรุงประสิทธิภาพของเทคโนโลยีใหม่ได้อย่างมาก แม้ว่ากรอบเวลาจะยังไม่ชัดเจนก็ตาม ในระยะยาวแต่ละแนวทางอาจมีที่ในตลาดได้

แผนภูมิด้านล่างเปรียบเทียบมิติข้อมูลหลักแต่ละมิติ ได้แก่ ความสามารถในการประกอบ ซึ่งหมายถึงความสามารถของแอปพลิเคชันอื่นๆ ในการโต้ตอบกับสถานะความเป็นส่วนตัว ความซับซ้อนทางเทคนิค ศักยภาพในการสร้างโปรโตคอลแบบกระจายอำนาจ ระดับประสิทธิภาพปัจจุบัน หมายถึงปริมาณงานที่เป็นไปได้ และกรณีการใช้งานที่ดีที่สุดตาม ในมิติที่กล่าวมาข้างต้น คุณสามารถดูแผนภูมิได้เมื่อแต่ละวิธีมีข้อดีอย่างไรกับระดับประสิทธิภาพ

ดังที่แสดงไว้ข้างต้น แต่ละวิธีมีข้อดีข้อเสียที่แตกต่างกัน ไม่มีใครสามารถเอาชนะผู้อื่นโดยสิ้นเชิง แต่แต่ละประเภทมีแอปพลิเคชันเฉพาะตามความเหมาะสม ตัวอย่างเช่น บริษัทที่สร้าง Dark Order Book แบบรวมศูนย์มากขึ้นสามารถใช้ TEE ได้ ในขณะที่โครงการที่สร้างโปรโตคอลการให้ยืมความเป็นส่วนตัวสามารถเลือก FHE หรือ ZK ได้

โปรดทราบว่าเทคนิคหลายอย่างสามารถนำมารวมกันได้ และจุดตัดของเทคนิคเหล่านี้มักเป็นแนวทางที่น่าสนใจที่สุด ตัวอย่างเช่น สามารถใช้ ZKP เพื่อลบฟังก์ชันการทำงานของตัวดำเนินการออกจากสมุดคำสั่งมืดที่ใช้ TEE ในขณะที่ MPC มักใช้เพื่อแจกจ่ายคีย์เข้ารหัสใน FHE วัตถุประสงค์ของการจำแนกประเภทเหล่านี้คือเพื่อกลั่นกรองข้อพิจารณาทางเทคนิคระดับสูงสุดสำหรับแต่ละแนวทาง สุดท้าย หมวดหมู่นี้มีผลกระทบด้านกฎระเบียบที่ชัดเจนสำหรับกิจกรรมที่อาจผิดกฎหมาย เป็นสิ่งสำคัญสำหรับผู้สร้างโครงสร้างพื้นฐานที่จะต้องใส่ใจกับการปฏิบัติตามกฎระเบียบ

ข้อดีข้อเสียของแต่ละวิธี

TEE 

Trusted Execution Environment (TEE) เกี่ยวข้องกับการประมวลผลแบบออฟไลน์ในสภาพแวดล้อมที่เชื่อถือได้และปลอดภัย TEE ถูกใช้ไปแล้วโดยองค์กรเข้ารหัสลับหลายแห่งสำหรับงานที่หลากหลาย และแอปพลิเคชันความเป็นส่วนตัวเป็นเพียงกรณีการใช้งานเล็กๆ เพียงหนึ่งกรณี อาจเป็นซอฟต์แวร์หรือฮาร์ดแวร์ก็ได้ แต่ฮาร์ดแวร์เป็นเรื่องธรรมดาที่สุด เนื่องจากโครงสร้างพื้นฐานเป็นแบบออฟไลน์และอยู่ในสภาพแวดล้อมที่แยก ธุรกรรมจึงยังคงถูกซ่อนไม่ให้ผู้เข้าร่วมตลาดสาธารณะ

ในทางปฏิบัติ สิ่งนี้อาจดูเหมือนเทรดเดอร์โพสต์คำสั่งซื้อโดยไม่ทราบรายการคำสั่งซื้อทั้งหมด และจับคู่ว่ามีสภาพคล่องในอีกด้านหนึ่งของการซื้อขายในกลุ่มรวม โดยฝ่ายใดฝ่ายหนึ่งไม่เปิดเผยราคาเสนอซื้อหรือราคาเสนอขาย

แอปพลิเคชั่นที่โดดเด่นอย่างหนึ่งของ TEE จนถึงตอนนี้คือ Dark Order Book และมีโครงสร้างพื้นฐานที่คล้ายกันอยู่แล้วใน TradFi: “dark pools” สถานที่ซื้อขายส่วนตัวนอกตลาดสาธารณะ และดำเนินการโดยสถาบันการเงินที่ใหญ่ที่สุดในโลกบางแห่ง: Sigma X และ Morgan ของ Goldman Sachs MS Pool ของ Stanley เป็นสองตัวอย่าง Dark Pools ใช้เพื่อจำกัดผลกระทบของธุรกรรมขนาดใหญ่ในตลาด

แม้ว่า TEE จะมีประสิทธิภาพสูงและเป็นวิธีการรวมศูนย์ที่มีประสิทธิภาพเพียงวิธีเดียวที่กล่าวถึงในบทความนี้ แต่ก็มีข้อบกพร่องหลายประการ ข้อวิจารณ์ประการหนึ่งก็คือ การปรับปรุงเหล่านี้เป็นเพียงการปรับปรุงเล็กน้อยเหนือฮาร์ดแวร์แบบดั้งเดิมส่วนใหญ่ และมีความเสี่ยงที่คล้ายคลึงกัน การโจมตี Side-channel เป็นปัญหาที่น่าสังเกตและเคยเกิดขึ้นมาแล้วในอดีต นักพัฒนายังจำเป็นต้องพึ่งพาตัวแทนของผู้ผลิตเป็นอย่างมาก ต้องบอกว่าพวกมันยังคงใช้งานได้จริง สร้างและทำงานได้ดีมาก

ข้อได้เปรียบ:

• โครงสร้างพื้นฐานทำงานได้ ผ่านการทดสอบ และใช้งานได้จริง

• ประสิทธิภาพที่ยอดเยี่ยมเมื่อเทียบกับทางเลือกปัจจุบัน

ข้อบกพร่อง:

• มักจำเป็นต้องบูตสภาพคล่องให้เพียงพอสำหรับการใช้งาน เช่น สระน้ำมืด

• การพึ่งพาผู้ให้บริการแบบรวมศูนย์ เช่น AWS และ Intel ซึ่งถูกโจมตีเป็นครั้งคราวและทำให้เกิดความเสี่ยงในการเซ็นเซอร์/ยกเลิกแพลตฟอร์ม

ZK

Zero-knowledge (ZK) สามารถใช้เพื่อพิสูจน์ความถูกต้องของการคำนวณโดยไม่ต้องเปิดเผยข้อมูลใดๆ ZK เป็นเทคโนโลยีที่กว้างขวางอย่างยิ่ง และความเป็นส่วนตัวเป็นเพียงกรณีการใช้งานเล็กๆ เท่านั้น จนถึงปัจจุบัน ZK ถูกนำมาใช้เป็นหลักในการปรับขนาดบล็อกเชน โดยการย้ายการคำนวณแบบเข้มข้นนอกเครือข่าย จากนั้นจึงใช้ ZKP เพื่อตรวจสอบความถูกต้องของการคำนวณ มีแอปพลิเคชัน ZK มากมายในด้านความเป็นส่วนตัว ซึ่งแบ่งคร่าวๆ ออกเป็นสามประเภท: ZK ทั่วไป, ZK L1/L2 และกลุ่มความเป็นส่วนตัว

ขั้นแรก นักพัฒนาที่ใช้ ZK สำหรับแอปพลิเคชันความเป็นส่วนตัวสามารถสร้างวงจรพิสูจน์ตัวเองตั้งแต่เริ่มต้น หรือใช้ zkVM zkVM จัดเตรียมสภาพแวดล้อมการดำเนินการสำหรับโค้ดที่กำหนดเองและสร้างใบเสร็จรับเงิน ZKP เพื่อตรวจสอบว่าโค้ดได้รับการดำเนินการอย่างซื่อสัตย์โดยไม่ทำให้ข้อมูลใดๆ เกี่ยวกับการคำนวณจริงรั่วไหลหรือไม่ ที่สำคัญ zkVM ที่สามารถใช้งานทั่วไปได้จะต้องรวมกับแผนการประมวลผลความเป็นส่วนตัวแบบกระจายอำนาจ (DPC) เช่น Zexe

ประการที่สอง ZK L1 และ L2 อนุญาตให้ผู้ใช้ทำธุรกรรมด้วยสถานะความเป็นส่วนตัวภายในระบบนิเวศหรือถ่ายโอนการดำเนินการความเป็นส่วนตัวบนเครือข่ายไปยังเครือข่ายเหล่านี้ พวกเขาสร้าง zkVM ที่ให้ความสำคัญกับความเป็นส่วนตัวเป็นอันดับแรกอย่างมีประสิทธิภาพ ตัวอย่างเช่น Aleo, Aztec, Mina เป็นต้น

สุดท้าย กลุ่มความเป็นส่วนตัวจะปกปิดธุรกรรมบนเครือข่ายสาธารณะ พวกเขาใช้ ZK เพื่อตรวจสอบที่อยู่การฝากเงินของผู้ใช้และซ่อนการไหลเวียนของเงินไปยังที่อยู่การถอนเงินใหม่ พูลความเป็นส่วนตัวไม่เพียงแต่มีให้สำหรับผู้ใช้เท่านั้น แต่ยังสามารถรวมเข้ากับแอปพลิเคชันบางตัวได้อีกด้วย

ที่สำคัญ ZK จะตรวจสอบสถานะส่วนตัวเป็นหลัก ดังนั้นจึงต้องมีสภาพแวดล้อมการดำเนินการแบบส่วนตัวเพื่อสร้างการพิสูจน์ ในหลายกรณี นี่เป็นฝั่งไคลเอ็นต์และบนอุปกรณ์ของผู้ใช้โดยตรง (โดยที่ข้อมูลส่วนตัวจริงถูกจัดเก็บไว้ในรูปแบบดิบ) ตัวอย่างแรกของแนวทางความเป็นส่วนตัวของ ZK คือข้อมูลประจำตัวแบบกระจายอำนาจ ซึ่งผู้ใช้สามารถพิสูจน์แง่มุมที่ละเอียดอ่อนของข้อมูลประจำตัวของตนได้โดยไม่ต้องเปิดเผยข้อมูลจริงแบบออนไลน์

ข้อได้เปรียบ:

• มีความหลากหลายสูงและเหมาะสำหรับกรณีการใช้งานด้านความเป็นส่วนตัวหลายกรณี

• องค์ประกอบสูง หมายความว่าแอปพลิเคชันสามารถเข้าสู่สถานะความเป็นส่วนตัวที่ไม่โต้ตอบได้

ข้อบกพร่อง:

• เทคโนโลยียังอยู่ในช่วงเริ่มต้น (แม้ว่าจะไกลกว่า FHE ก็ตาม)

• มักต้องใช้ความรู้ภาษาโปรแกรมต่างๆ หรือวงจร ZK

MPC

การประมวลผลแบบหลายฝ่ายที่ปลอดภัย (MPC) ช่วยให้หลายฝ่ายสามารถร่วมกันคำนวณข้อมูลส่วนตัว โดยที่แต่ละฝ่ายจะเก็บข้อมูลส่วนตัวเพียงบางส่วนเท่านั้น ฝ่ายหนึ่งไม่สามารถเข้าถึงข้อมูลส่วนตัวได้ และอีกฝ่ายไม่สามารถเข้าถึงข้อมูลที่เหลือได้ MPC มีกรณีการใช้งานมากมายในการเข้ารหัส (การจัดการคีย์เป็นตัวอย่างที่น่าสังเกต) แต่แอปพลิเคชันความเป็นส่วนตัวกำลังเริ่มปรากฏให้เห็นเท่านั้น

จริงๆ แล้วมีสองวิธีในการสร้าง MPC ประเภทนี้: 1) ผู้ใช้เป็นผู้เข้าร่วมในการคำนวณแบบรวมศูนย์ หรือ 2) ผู้ใช้มอบหมายธุรกรรมให้กับบุคคลอื่น วิธีแรกเหมาะมากจากมุมมองของสมมติฐานด้านความไว้วางใจ แต่ในทางปฏิบัติยากกว่าในการดำเนินการ โครงการส่วนใหญ่ใช้แนวทางที่สอง ควรกล่าวถึงด้วยว่าความเสี่ยงที่ชัดเจนกับ MPC คือการสมรู้ร่วมคิดระหว่างฝ่ายต่างๆ ที่อาจรวมส่วนแบ่งของตนเพื่อดูข้อมูลส่วนตัว

MPC เหมาะที่สุดสำหรับการคำนวณความเป็นส่วนตัวที่เกี่ยวข้องกับหลายฝ่าย วิธีการทางเทคนิคอื่นๆ เช่น FHE มักจะอาศัย MPC ดังนั้น หากจำนวนฝ่ายมีจำนวนมากและกระจายอย่างเหมาะสม และการคำนวณเป็นแบบครั้งเดียวและไม่ซับซ้อนมากนัก MPC ก็อาจเพียงพอแล้ว เกมโป๊กเกอร์แบบกระจายอำนาจถือเป็นกรณีการใช้งานที่ดีสำหรับ MPC

ข้อได้เปรียบ:

• สามารถนำไปใช้กับกรณีการใช้งานความเป็นส่วนตัวจำนวนมากที่เกี่ยวข้องกับการคำนวณแบบครั้งเดียว

ข้อบกพร่อง:

• ไม่สอดคล้องกับจำนวนฝ่ายที่เกี่ยวข้อง

• ไม่สามารถใช้กับแอปพลิเคชันที่มีปริมาณงานสูงได้เนื่องจากการดำเนินการค่อนข้างช้า

FHE

การเข้ารหัสแบบ Homomorphic อย่างสมบูรณ์ (FHE) ช่วยให้สามารถคำนวณสถานะส่วนตัวที่เข้ารหัสได้ กล่าวอีกนัยหนึ่งผู้ใช้สามารถทำธุรกรรมออนไลน์ได้โดยไม่ต้องเปิดเผยข้อมูลใด ๆ เกี่ยวกับธุรกรรม เมื่อผู้ใช้แลกเปลี่ยนโทเค็นบน DEX หรือฝากเข้าในกลุ่มการให้กู้ยืม จะไม่มีการเปิดเผยข้อมูลเกี่ยวกับโทเค็นที่ถูกแลกเปลี่ยนหรือจำนวนโทเค็นที่ถูกฝาก

แต่ FHE เพียงอย่างเดียวไม่เพียงพอที่จะปกป้องความเป็นส่วนตัว วิธีการส่วนใหญ่ใช้การรวมกันบางอย่างกับ MPC เพื่อแบ่งคีย์การเข้ารหัส เพื่อไม่ให้ฝ่ายรวมศูนย์เพียงฝ่ายเดียวสามารถถอดรหัสสถานะความเป็นส่วนตัวทั้งหมดได้ ZK มักใช้เพื่อตรวจสอบธุรกรรม รวมถึงความถูกต้องของเอาต์พุตและอินพุต ดังนั้นสัญญาจึงสามารถโต้ตอบกับรัฐเอกชนได้โดยไม่ทำให้ข้อมูลรั่วไหล

เทคโนโลยีนี้ยังอยู่ในช่วงเริ่มต้น โดยมีแผนการเช่น TFHE ซึ่งเปิดตัวเมื่อไม่กี่ปีที่ผ่านมา ทำให้สามารถส่งออกผลลัพธ์ทั้งที่แน่นอนและโดยประมาณสำหรับการดำเนินการทางคณิตศาสตร์หลักทั้งสี่รายการ นอกจากนี้ การเร่งด้วยฮาร์ดแวร์ยังเป็นสิ่งจำเป็นสำหรับประสิทธิภาพในระดับที่เหมาะสม นอกจากนี้ FHE ​​ยังปรับขนาดได้ไม่ดีเป็นพิเศษในการคำนวณรอบติดต่อกัน มีสัญญาณรบกวนแบบสุ่มในข้อมูลที่เข้ารหัส และข้อมูลจะเพิ่มขึ้นแบบไม่เชิงเส้นเมื่อการคำนวณเพิ่มขึ้น แม้ว่า FHE ยังอยู่ในขั้นเริ่มต้นของการพัฒนามากกว่าวิธีการอื่นๆ ที่กล่าวถึง แต่ก็เหมาะสมที่สุดสำหรับการคำนวณที่ต้องการความสามารถในการประกอบสูงโดยมีผู้เข้าร่วมจำนวนไม่มาก เช่น ตลาดการให้กู้ยืมเพื่อความเป็นส่วนตัวและแอปพลิเคชันของผู้บริโภคที่มีปริมาณมาก

ข้อได้เปรียบ:

• วิธีเดียวที่จะแบ่งปันสถานะส่วนตัวออนไลน์

• สามารถนำไปใช้กับกรณีการใช้งานความเป็นส่วนตัวส่วนใหญ่ได้

ข้อบกพร่อง:

• ประสิทธิภาพต่ำในสถานะปัจจุบัน

• อาศัยเทคโนโลยีอื่นๆ เช่น ZK และ MPC ซึ่งมีข้อบกพร่องและสมมติฐานด้านความน่าเชื่อถือของตัวเอง

คาดหวัง

ขณะนี้โครงสร้างพื้นฐานความเป็นส่วนตัวและแอปพลิเคชันมีความจำเป็นสำหรับสกุลเงินดิจิทัล และยังอยู่ในขั้นเริ่มต้นของการพัฒนา เราคาดหวังว่าโซลูชันเหล่านี้จะพัฒนาอย่างรวดเร็วและมีอนาคตที่สดใส

โซลูชันความเป็นส่วนตัวแต่ละโซลูชันที่นำเสนอในที่นี้มีข้อดีข้อเสียที่แตกต่างกัน และเหมาะสำหรับสถานการณ์การใช้งานที่แตกต่างกัน หมวดหมู่ความเป็นส่วนตัวเกิดขึ้นเร็วมากและมีขนาดใหญ่มากจนเร็วเกินไปที่จะกล่าวว่าแนวทางเดียวจะชนะ

ในระยะยาว เทคโนโลยีใหม่ๆ ที่เกี่ยวข้องกับความเป็นส่วนตัวจะเกิดขึ้นอย่างหลีกเลี่ยงไม่ได้ หมวดหมู่นี้เป็นหนึ่งในหมวดหมู่ที่มีพลวัตและเติบโตอย่างรวดเร็วที่สุด แต่ยังคลุมเครือในพื้นที่สกุลเงินดิจิทัล และระยะปัจจุบันเป็นเพียงยุคแรกของนวัตกรรมอย่างชัดเจน

ขอขอบคุณเป็นพิเศษสำหรับ Ravital Solomon (ครีมกันแดด), Sam Trautwein (Tristero), Shumo Chu (เนบรา), Weiking, Nicola Greco (Protocol Labs) และทีม Aztec, Aleo มุมมองที่แสดงในบทความนี้ไม่จำเป็นต้องเป็นตัวแทนของความคิดเห็นของพวกเขา