รวบรวม 5 โปรเจ็กต์ที่มีศักยภาพในการเข้ารหัสแบบโฮโมมอร์ฟิกอย่างครบถ้วนซึ่งคุ้มค่าแก่ความสนใจ

ผู้เขียนต้นฉบับ: Degen Maker

ต้นฉบับเรียบเรียง: ลูฟี่, Foresight News

การเข้ารหัสแบบ Homomorphic Encryption (FHE) อย่างสมบูรณ์กำลังกลายเป็นคำศัพท์อย่างรวดเร็ว และคุณรู้หรือไม่ว่าทำไม

FHE ช่วยให้การคำนวณสามารถดำเนินการกับข้อมูลที่เข้ารหัสได้โดยไม่ทำให้ข้อมูลรั่วไหล ซึ่งเปิดโอกาสที่หลากหลายสำหรับ Web3 รวมถึงแต่ไม่จำกัดเพียง:

• การรักษาความลับของโทเค็น RWA

• ตัวตนบนเครือข่าย

• การป้องกัน MEV

• ข้อมูลทางการแพทย์ออนไลน์ส่วนตัว

• ทำให้ DeFi สอดคล้องกับกฎหมายคุ้มครองข้อมูลและความเป็นส่วนตัว

นอกจากนี้ FHE ​​ยังสามารถมีบทบาทในด้านการรวม Web3 เข้ากับปัญญาประดิษฐ์และการพิสูจน์ความรู้เป็นศูนย์

ขณะนี้โมเดล AI สามารถใช้ประโยชน์จากข้อมูลและสร้างผลลัพธ์โดยไม่ต้องเข้าถึงข้อมูลอินพุตจริง ทำให้มั่นใจได้ว่าคำถามของผู้ใช้ยังคงเป็นส่วนตัวและปลอดภัย นอกจากนี้ยังหมายความว่าการฝึกอบรมข้อมูลสามารถทำได้โดยไม่ต้องเข้าถึงข้อมูลโดยตรง

ในขณะที่การถกเถียงยังคงดำเนินต่อไปเกี่ยวกับลักษณะแหล่งปิดของบริษัทสร้างโมเดลภาษาขนาดใหญ่รายใหญ่ๆ FHE ก็กลายเป็นผู้เปลี่ยนเกมที่มีศักยภาพในด้านปัญญาประดิษฐ์

หลายคนกำลังถกเถียงกันว่า FHE จะมาแทนที่ Zero-Knowledge Proofs (ZKP) หรือไม่ อย่างไรก็ตาม พวกเขาสามารถอยู่ร่วมกันได้ ZKP สามารถใช้เพื่อสร้างการพิสูจน์ส่วนตัวได้ ในขณะที่ FHE สามารถจัดการการประมวลผลข้อมูลในสัญญาอัจฉริยะได้

FHE ยังอยู่ในช่วงเริ่มต้นของการพัฒนา และผมจะแนะนำโครงการ FHE 5 โครงการที่มีศักยภาพโดยย่อ

1) Inco

Incoเป็นบล็อกเชนการรักษาความลับแบบโมดูลาร์ที่เข้ากันได้กับ L1 ที่เข้ากันได้กับ EVM และได้รับการสนับสนุนอย่างเต็มที่จาก FHE

ก่อนหน้านี้ Inco เสร็จสิ้นรอบเมล็ดพันธุ์มูลค่า 4.5 ล้านดอลลาร์ นำโดย 1kx

ตัวเร่งปฏิกิริยาและประเด็นสำคัญ:

• การให้ความเป็นส่วนตัวที่ชั้นฐานถือเป็นคุณค่าที่แข็งแกร่งที่สามารถดึงดูด DApps ที่เน้นความเป็นส่วนตัวได้จำนวนมาก

• การเปิดตัวเลเยอร์ความพร้อมใช้งานของข้อมูลได้ปฏิวัติระบบนิเวศของโปรเจ็กต์แบบโมดูลาร์ เช่น Celestia ชั้นของความลับคาดว่าจะมีการอุทธรณ์ที่คล้ายกัน (หากไม่มากกว่านั้น)

• การทำงานร่วมกับ Zama ซึ่งมีผู้ร่วมก่อตั้ง Polygon เป็นที่ปรึกษาจะยืมความปลอดภัยของ Ethereum ผ่าน EigenLayer (จริงๆ แล้วคือ AVS)

2) Mind Network

Mindเป็น Zero Trust Layer ที่ให้ความปลอดภัยและความเป็นส่วนตัวของข้อมูล ซึ่งออกแบบมาเพื่ออำนวยความสะดวกในการปรับขนาด CrossFi อย่างแท้จริง

Mind เสร็จสิ้นรอบ Seed มูลค่า 2.5 ล้านเหรียญสหรัฐ นำโดย Binance Labs

ตัวเร่งปฏิกิริยาและประเด็นสำคัญ:

• สร้างโครงสร้างพื้นฐานอินเทอร์เน็ตที่ช่วยให้ประชาชนทั่วโลกสามารถควบคุมข้อมูลของตนได้

• เครือข่ายทดสอบออนไลน์อยู่ และอาจมีแรงจูงใจสำหรับเครือข่ายทดสอบ

• ขับเคลื่อนโดย Zama

• กรณีการใช้งานแรกคือ MindLake ซึ่งเป็นการจัดเก็บข้อมูลที่ก้าวล้ำซึ่งออกแบบมาเพื่อดำเนินการคำนวณข้อมูลที่เข้ารหัสบนแพลตฟอร์มแบบกระจายอำนาจ

3) Fhenix

Fhenixเป็นสถาปัตยกรรม FHE แบบ Rollup แรกที่ออกแบบมาเพื่อจัดการกับความท้าทายในการดำเนินการคำนวณ FHE บน L1 เนื่องจากข้อกำหนดการดำเนินการที่ครอบคลุมและข้อจำกัดด้านความสามารถในการปรับขนาด

ตัวเร่งปฏิกิริยาและประเด็นสำคัญ:

• FHE Rollup ในแง่ดีสามารถสร้างได้บน Ethereum โดยไม่ต้องแก้ไขเลเยอร์ฐาน ซึ่งหมายความว่าสัญญาอัจฉริยะทุกรายการใน Ethereum สามารถเพิ่มความเป็นส่วนตัวผ่านโซลูชัน FHE Rollup

• เปิดตัวโครงสร้างพื้นฐาน fhEVM โดยความร่วมมือกับ Zama

• เทสเน็ตจะเปิดตัวเร็วๆ นี้

• ในความคิดของฉัน Fhenix ทำให้การปรับใช้สัญญาอัจฉริยะที่เป็นความลับง่ายขึ้น ซึ่งเป็นสิ่งสำคัญสำหรับการยอมรับของนักพัฒนา

4) Privasea

Privaseaเป็นเครือข่ายที่ใช้ FHE ​​เพื่อรับรองความเป็นส่วนตัวและความปลอดภัยในกระบวนการคำนวณ AI

Privasea เสร็จสิ้นการระดมทุนรอบ Seed มูลค่า 5 ล้านดอลลาร์ ซึ่งนำโดย Binance Labs

ตัวเร่งปฏิกิริยาและประเด็นสำคัญ:

• รายละเอียดของ Genesis NFT จะมีการประกาศเร็วๆ นี้ และผู้ถือจะสามารถรับแอร์ดรอปได้

• การจัดหาโซลูชัน FHE การประมวลผลส่วนตัวสำหรับ DePIN+AI จะรวมฮอตสปอตทั้งหมดเข้ากับโครงการที่ถูกต้องตามกฎหมายและมีแนวโน้ม และโทเค็นของโครงการอาจให้ผลตอบแทนสูง

• DApp อื่นกำลังได้รับการพัฒนาเพื่อการตรวจสอบผู้ใช้ที่ปลอดภัยและเป็นส่วนตัว รับประกันความเป็นส่วนตัวในกระบวนการ KYC โดยไม่เปิดเผยรายละเอียดส่วนบุคคล แต่ยังสามารถตรวจสอบได้เมื่อจำเป็น

• ขับเคลื่อนโดย Zama

5) Optalysys

Optalysysกำลังสร้างความสามารถในการประมวลผลคอมพิวเตอร์รุ่นต่อไป ฉันคิดว่านี่เป็นโครงการที่มีแนวโน้มมากและเป็น พลั่ว ในสาขา FHE

Optalysys มุ่งเน้นไปที่โปรเจ็กต์ DePIN ซึ่งมีสแต็กเทคโนโลยีบนคลาวด์เนทีฟที่ปรับแต่งสำหรับเวิร์กโหลด FHE ที่มีความเข้มข้นสูง ซึ่งช่วยปรับขนาด FHE ในเลเยอร์การประมวลผล

ตัวเร่งปฏิกิริยาและประเด็นสำคัญ:

• มีศักยภาพเหมือนจอบ

• โปรเซสเซอร์ร่วม (GPU, CPU) กล่าวถึงข้อจำกัดพื้นฐานของระบบอิเล็กทรอนิกส์

• Optalysys ได้พัฒนาระบบคอมพิวเตอร์แบบออปติคัลที่เป็นเอกลักษณ์ซึ่งมอบพลังการประมวลผลและประสิทธิภาพการใช้พลังงานจากศูนย์ข้อมูลไปจนถึงการประมวลผลแบบ Edge ซึ่งสนับสนุนไลบรารี FHE หลักทั้งหมด