ผู้เขียนต้นฉบับ: Haotian

บทความของ Vitalik เกี่ยวกับ FHE (การเข้ารหัสแบบ Homomorphic เต็มรูปแบบ) ได้สร้างแรงบันดาลใจให้กับทุกคนในการสำรวจและจินตนาการเกี่ยวกับเทคโนโลยีการเข้ารหัสใหม่ๆ ในความคิดของฉัน การเข้ารหัสแบบโฮโมมอร์ฟิกโดยสมบูรณ์ของ FHE ถือเป็นก้าวที่ยิ่งใหญ่กว่าจินตนาการของเทคโนโลยี ZKP อย่างแท้จริง และสามารถช่วย AI+Crypto ปรับใช้สถานการณ์แอปพลิเคชันได้มากขึ้น จะเข้าใจได้อย่างไร?

1) คำจำกัดความ: การเข้ารหัสแบบโฮโมมอร์ฟิกเต็มรูปแบบของ FHE ช่วยให้สามารถดำเนินการกับข้อมูลที่เข้ารหัสในรูปแบบเฉพาะได้โดยไม่ต้องกังวลกับการเปิดเผยข้อมูลและความเป็นส่วนตัว ในทางตรงกันข้าม ZKP สามารถแก้ปัญหาการส่งข้อมูลที่สอดคล้องกันในสถานะที่เข้ารหัสเท่านั้น ฝ่ายข้อมูลที่ได้รับสามารถตรวจสอบได้ว่าข้อมูลที่ส่งโดยฝ่ายส่งข้อมูลนั้นมีความถูกต้องเท่านั้น ในขณะที่การเข้ารหัสแบบโฮโมมอร์ฟิกอย่างสมบูรณ์นั้นไม่มีข้อจำกัด ขอบเขตของการดำเนินการถือได้ว่าเป็นแผนการดำเนินการเข้ารหัสแบบกลุ่มต่อกลุ่ม

2) วิธีการทำงาน: การทำงานของคอมพิวเตอร์แบบดั้งเดิมดำเนินการกับข้อมูลข้อความธรรมดา หากจำเป็นต้องถอดรหัสข้อมูลที่เข้ารหัสก่อนการคำนวณ ข้อมูลส่วนตัวก็จะถูกเปิดเผยอย่างหลีกเลี่ยงไม่ได้ การเข้ารหัสแบบโฮโมมอร์ฟิกสร้างรูปแบบการเข้ารหัสพิเศษที่สามารถแปลงไซเฟอร์เท็กซ์แบบ "โฮโมมอร์ฟิก" เพื่อให้ผลลัพธ์ของการดำเนินการยังคงเหมือนกับของข้อความธรรมดา ในระบบเข้ารหัสโฮโมมอร์ฟิก การเพิ่มข้อความธรรมดาจะเทียบเท่ากับการคูณของไซเฟอร์เท็กซ์ (กฎ) ดังนั้นหากคุณต้องการเพิ่มข้อมูลข้อความธรรมดา คุณเพียงแค่ต้องคูณข้อความไซเฟอร์เท็กซ์ (การเทียบเท่า)

กล่าวโดยสรุป การเข้ารหัสแบบโฮโมมอร์ฟิกใช้การเปลี่ยนแปลงแบบโฮโมมอร์ฟิกแบบพิเศษเพื่อให้ข้อมูลสามารถดำเนินการในสถานะไซเฟอร์เท็กซ์เพื่อให้ได้ผลลัพธ์เช่นเดียวกับข้อความธรรมดา เพียงแต่ต้องแน่ใจว่าลักษณะที่สอดคล้องกันของโฮโมมอร์ฟิกของกฎการดำเนินการ

3) สถานการณ์การใช้งาน: ในด้านอินเทอร์เน็ตแบบดั้งเดิม การเข้ารหัส FHE แบบโฮโมมอร์ฟิกอย่างสมบูรณ์สามารถนำไปใช้ในหลากหลายสาขา เช่น พื้นที่เก็บข้อมูลบนคลาวด์ ข้อมูลชีวภาพ สุขภาพทางการแพทย์ การเงิน การโฆษณา และการจัดลำดับยีน ยกตัวอย่างข้อมูลชีวมิติ เช่น ลายนิ้วมือส่วนบุคคล ม่านตา และใบหน้า ล้วนเป็นข้อมูลที่ละเอียดอ่อน โดยใช้เทคโนโลยี FHE ข้อมูลเหล่านี้สามารถเปรียบเทียบและตรวจสอบได้ในสถานะไซเฟอร์เท็กซ์ของเซิร์ฟเวอร์ ในทำนองเดียวกัน การแยกส่วนข้อมูลได้ดำเนินการไปแล้ว เป็นเวลาหลายปีในสาขาการแพทย์และสุขภาพ สามารถแยกย่อยได้โดยใช้ FHE ทำให้โครงสร้างทางการแพทย์ต่างๆ สามารถทำการวิเคราะห์และสร้างแบบจำลองร่วมกันได้โดยไม่ต้องแชร์ข้อมูลต้นฉบับ

ในฟิลด์ Crypto พื้นที่แอปพลิเคชัน FHE ยังสามารถเกี่ยวข้องกับสถานการณ์ที่ต้องการความเป็นส่วนตัวได้หลายอย่าง เช่น เกม การกำกับดูแลการลงคะแนน DAO การป้องกัน MEV ธุรกรรมความเป็นส่วนตัว การปฏิบัติตามกฎระเบียบ ฯลฯ ยกตัวอย่างฉากเกม: แพลตฟอร์มทำการคำนวณเพื่อโปรโมตเกมโดยไม่ต้องสอดแนมการ์ดในมือของผู้เล่น ทำให้เกมยุติธรรมยิ่งขึ้น

จากตัวอย่างการลงคะแนนของ DAO วาฬสามารถมีส่วนร่วมในการกำกับดูแลการลงคะแนนเสียงโดยไม่ต้องเปิดเผยที่อยู่และจำนวนการลงคะแนน ทำให้โปรโตคอลสามารถสร้างผลการลงคะแนนผ่านการคำนวณ นอกจากนี้ ผู้ใช้สามารถส่งธุรกรรมที่เข้ารหัสไปยัง Mempool ได้ ดังนั้นจึงหลีกเลี่ยงที่อยู่เป้าหมายและโอนจำนวนเงินได้ ฯลฯ ข้อมูลส่วนตัวถูกเปิดเผย ในอีกตัวอย่างหนึ่ง ในสถานการณ์ด้านกฎระเบียบ รัฐบาลสามารถตรวจสอบแหล่งเงินทุนและขายทรัพย์สินของที่อยู่สีดำในระบบการเงินที่ไม่ตรวจสอบข้อมูลส่วนตัวของการทำธุรกรรมทางกฎหมาย

4) ข้อบกพร่อง: เป็นที่น่าสังเกตว่าสภาพแวดล้อมการประมวลผลที่คอมพิวเตอร์ดำเนินการตามปกติกับข้อความธรรมดามักจะซับซ้อนกว่า นอกเหนือจากการบวก การลบ การคูณ และการหาร ยังมีการวนซ้ำแบบมีเงื่อนไข การตัดสินลอจิกเกต ฯลฯ ในขณะที่การเข้ารหัสแบบกึ่งโฮโมมอร์ฟิกและการเข้ารหัสแบบโฮโมมอร์ฟิกทั้งหมดในปัจจุบัน สามารถขยายได้อย่างรวดเร็วด้วยการบวกและการคูณเท่านั้น การดำเนินการที่ซับซ้อนมากขึ้นจำเป็นต้องมีการผสมผสานและการซ้อนทับ ซึ่งจะเพิ่มความต้องการพลังการประมวลผล

ดังนั้น ตามทฤษฎีแล้ว การเข้ารหัสโฮโมมอร์ฟิกโดยสมบูรณ์สามารถรองรับการคำนวณใดๆ ก็ได้ แต่เนื่องจากปัญหาคอขวดของประสิทธิภาพและคุณลักษณะของอัลกอริทึม ประเภทและความซับซ้อนของการคำนวณโฮโมมอร์ฟิกที่สามารถดำเนินการได้อย่างมีประสิทธิภาพจึงมีจำกัดในปัจจุบัน โดยทั่วไป การดำเนินการที่ซับซ้อนต้องใช้พลังการประมวลผลจำนวนมาก ดังนั้นกระบวนการนำเทคโนโลยีการเข้ารหัสแบบโฮโมมอร์ฟิกไปใช้จริงจึงเป็นกระบวนการพัฒนาของการเพิ่มประสิทธิภาพอัลกอริทึมและการเพิ่มประสิทธิภาพการควบคุมต้นทุนพลังงานในการประมวลผล ควรให้ความสนใจเป็นพิเศษกับประสิทธิภาพหลังจากการเร่งด้วยฮาร์ดแวร์และการปรับปรุงประสิทธิภาพในการประมวลผล

ข้างบน

ในความคิดของฉัน แม้ว่าการเข้ารหัสแบบโฮโมมอร์ฟิกโดยสมบูรณ์ของ FHE จะยากต่อการเติบโตและนำไปใช้ในระยะเวลาอันสั้น เนื่องจากเป็นส่วนขยายและเสริมของเทคโนโลยี ZKP แต่ก็สามารถให้การประมวลผลความเป็นส่วนตัวในโมเดลขนาดใหญ่ของ AI, การสร้างแบบจำลองร่วมของข้อมูล AI, การฝึกอบรมการทำงานร่วมกันของ AI และความเป็นส่วนตัวของ Crypto บูรณาการ ให้ความช่วยเหลือที่ดีในแง่ของการทำธุรกรรมที่ได้รับการควบคุมและการขยายสถานการณ์ Crypto