ArkStream Capital: ทำไมเราถึงลงทุนในเส้นทาง FHE?

特邀专栏作者

2024-05-27 08:27

บทความนี้มีประมาณ 4685 คำ การอ่านทั้งหมดใช้เวลาประมาณ 7 นาที

เทคโนโลยี FHE กำลังเติบโตเต็มที่ และ Fhenix ช่วยปรับปรุงระบบนิเวศ Web3

คำนำ

ในอดีต เทคโนโลยีการเข้ารหัสมีบทบาทสำคัญในความก้าวหน้าของอารยธรรมมนุษย์ โดยเฉพาะอย่างยิ่งในด้านความปลอดภัยของข้อมูลและการปกป้องความเป็นส่วนตัว ไม่เพียงแต่ให้การป้องกันที่มั่นคงสำหรับการส่งผ่านข้อมูลและการจัดเก็บข้อมูลในด้านต่างๆ เท่านั้น แต่ระบบคีย์สาธารณะและคีย์ส่วนตัวและฟังก์ชันแฮชการเข้ารหัสแบบไม่สมมาตรนั้นได้รับการบูรณาการอย่างสร้างสรรค์โดย Satoshi Nakamoto ในปี 2551 เพื่อออกแบบโซลูชันสำหรับการใช้จ่ายซ้ำซ้อน กลไกของปัญหาส่งเสริมการกำเนิดของ Bitcoin ซึ่งเป็นสกุลเงินดิจิทัลที่ปฏิวัติวงการ และเปิดยุคใหม่ของอุตสาหกรรมบล็อกเชน

ด้วยวิวัฒนาการอย่างต่อเนื่องและการพัฒนาอย่างรวดเร็วของอุตสาหกรรมบล็อกเชน ชุดของเทคโนโลยีการเข้ารหัสที่ล้ำสมัยยังคงเกิดขึ้นอย่างต่อเนื่อง โดยในจำนวนนี้ การพิสูจน์ความรู้เป็นศูนย์ (ZKP) การคำนวณแบบหลายฝ่าย (MPC) และการเข้ารหัสแบบโฮโมมอร์ฟิกอย่างสมบูรณ์ (FHE) โดดเด่นที่สุด เทคโนโลยีเหล่านี้มีการใช้กันอย่างแพร่หลายในหลายสถานการณ์ เช่น ZKP รวมกับโซลูชัน Rollup เพื่อแก้ปัญหา "สามเหลี่ยมที่เป็นไปไม่ได้" ของบล็อกเชน และ MPC รวมกับระบบคีย์สาธารณะและส่วนตัวเพื่อส่งเสริมแอปพลิเคชันพอร์ทัลผู้ใช้ขนาดใหญ่ (การรับเลี้ยงบุตรบุญธรรมจำนวนมาก). สำหรับการเข้ารหัสโฮโมมอร์ฟิกอย่างเต็มรูปแบบ FHE ซึ่งถือเป็นหนึ่งใน Holy Grails ของการเข้ารหัส คุณลักษณะเฉพาะของมันทำให้บุคคลที่สามสามารถดำเนินการคำนวณและดำเนินการกับข้อมูลที่เข้ารหัสจำนวนเท่าใดก็ได้โดยไม่ต้องถอดรหัส ดังนั้นการบรรลุความเป็นส่วนตัวแบบออนไลน์ที่รวบรวมได้จึงนำมาซึ่งสิ่งใหม่ ความเป็นไปได้ในหลายสาขาและสถานการณ์

ภาพรวมโดยย่อ FHE

เมื่อเราพูดถึง FHE (Fully Homomorphic Encryption) เราจะเข้าใจความหมายเบื้องหลังชื่อของมันได้ก่อน ประการแรก HE ย่อมาจากเทคโนโลยีการเข้ารหัสโฮโมมอร์ฟิก คุณลักษณะหลักของมันคือช่วยให้สามารถคำนวณและดำเนินการกับไซเฟอร์เท็กซ์ได้ และการดำเนินการเหล่านี้สามารถแมปกับข้อความธรรมดาได้โดยตรง กล่าวคือ คุณสมบัติทางคณิตศาสตร์ของข้อมูลที่เข้ารหัสยังคงไม่เปลี่ยนแปลง "F" ใน FHE หมายความว่าโฮโมมอร์ฟิซึมนี้ได้ก้าวไปสู่ระดับใหม่แล้ว ทำให้สามารถคำนวณและดำเนินการกับข้อมูลที่เข้ารหัสได้อย่างไม่จำกัด

เพื่อช่วยให้เข้าใจ เราเลือกฟังก์ชันเชิงเส้นที่ง่ายที่สุดเป็นอัลกอริธึมการเข้ารหัส และแสดงภาพโฮโมมอร์ฟิซึมแบบบวกและโฮโมมอร์ฟิซึมของการคูณด้วยการดำเนินการเพียงครั้งเดียว แน่นอนว่า FHE จริงใช้ชุดอัลกอริธึมทางคณิตศาสตร์ที่ซับซ้อนกว่า และอัลกอริธึมเหล่านี้มีความต้องการทรัพยากรการประมวลผลอย่างมาก (CPU และหน่วยความจำ)

แม้ว่าคณิตศาสตร์ของ FHE จะลึกซึ้งและซับซ้อน แต่เราจะไม่ลงรายละเอียดมากเกินไปในที่นี้ เป็นมูลค่าการกล่าวขวัญว่าในด้านการเข้ารหัสโฮโมมอร์ฟิก นอกเหนือจาก FHE แล้ว ยังมีการเข้ารหัสโฮโมมอร์ฟิกบางส่วนและการเข้ารหัสโฮโมมอร์ฟิกอีกสองรูปแบบ ความแตกต่างหลักอยู่ที่ประเภทของการดำเนินการที่รองรับและจำนวนการดำเนินการที่อนุญาต แต่ยังให้ความเป็นไปได้ในการใช้การคำนวณและการดำเนินการกับข้อมูลที่เข้ารหัสอีกด้วย อย่างไรก็ตาม เพื่อให้เนื้อหากระชับ เราจะไม่พูดคุยกันในเชิงลึกที่นี่

ในอุตสาหกรรม FHE แม้ว่าจะมีผู้เล่นที่มีชื่อเสียงหลายคนที่เกี่ยวข้องกับการวิจัยและพัฒนา แต่ Microsoft และ Zama ก็เน้นย้ำถึงการใช้งานที่เหนือชั้นและอิทธิพลด้วยผลิตภัณฑ์โอเพ่นซอร์สที่ยอดเยี่ยม (ฐานโค้ด) พวกเขามอบการใช้งาน FHE ที่เสถียรและมีประสิทธิภาพให้กับนักพัฒนา และการมีส่วนร่วมเหล่านี้ได้ส่งเสริมการพัฒนาอย่างต่อเนื่องและการประยุกต์ใช้เทคโนโลยี FHE ในวงกว้างอย่างมาก

SEAL ของ Microsoft: ไลบรารี FHE ที่สร้างขึ้นอย่างระมัดระวังโดย Microsoft Research ซึ่งไม่เพียงแต่รองรับการเข้ารหัสแบบโฮโมมอร์ฟิกอย่างสมบูรณ์ แต่ยังเข้ากันได้กับการเข้ารหัสโฮโมมอร์ฟิกบางส่วนอีกด้วย SEAL มอบอินเทอร์เฟซ C++ ที่มีประสิทธิภาพและปรับปรุงประสิทธิภาพและประสิทธิภาพของการประมวลผลอย่างมีนัยสำคัญโดยการรวมอัลกอริธึมและเทคโนโลยีการปรับให้เหมาะสมจำนวนมาก

TFHE โดย Zama: เป็นไลบรารีโอเพ่นซอร์สที่เน้นไปที่การเข้ารหัสโฮโมมอร์ฟิกเต็มรูปแบบที่มีประสิทธิภาพสูง TFHE ให้บริการผ่านอินเทอร์เฟซภาษา C และใช้เทคโนโลยีและอัลกอริธึมการปรับให้เหมาะสมขั้นสูงหลายชุดเพื่อให้ได้ความเร็วการประมวลผลที่เร็วขึ้นและลดการใช้ทรัพยากร

ตามแนวคิดที่เรียบง่ายที่สุด กระบวนการดำเนินการเพื่อรับประสบการณ์ FHE มีดังนี้:

สร้างคีย์: ใช้ไลบรารี/เฟรมเวิร์ก FHE เพื่อสร้างคู่คีย์สาธารณะและส่วนตัว
ข้อมูลที่เข้ารหัส: ใช้คีย์สาธารณะเพื่อเข้ารหัสข้อมูลที่จำเป็นต้องประมวลผลโดยการคำนวณ FHE
ดำเนินการคำนวณแบบโฮโมมอร์ฟิก: ใช้ฟังก์ชันการคำนวณโฮโมมอร์ฟิกที่ไลบรารี FHE จัดทำขึ้นเพื่อดำเนินการคำนวณต่างๆ กับข้อมูลที่เข้ารหัส เช่น การบวก การคูณ ฯลฯ
ผลการถอดรหัส: เมื่อจำเป็นต้องดูผลการคำนวณ ผู้ใช้ที่ถูกต้องตามกฎหมายจะใช้คีย์ส่วนตัวเพื่อถอดรหัสผลการคำนวณ

ในทางปฏิบัติของ FHE รูปแบบการจัดการคีย์ถอดรหัส (การสร้าง การหมุนเวียน และการใช้งาน ฯลฯ) มีความสำคัญอย่างยิ่ง เนื่องจากผลการคำนวณและการดำเนินการของข้อมูลที่เข้ารหัสจำเป็นต้องถอดรหัสเพื่อใช้ในช่วงเวลาและสถานการณ์ที่แน่นอน คีย์ถอดรหัสจึงกลายเป็นแกนหลักในการรับรองความปลอดภัยและความสมบูรณ์ของข้อมูลต้นฉบับและข้อมูลที่ประมวลผล ในส่วนของการจัดการคีย์ถอดรหัสนั้น จริงๆ แล้วโครงร่างนี้มีความคล้ายคลึงกันหลายประการกับการจัดการคีย์แบบเดิม แต่ด้วยความเฉพาะเจาะจงของ FHE จึงสามารถออกแบบกลยุทธ์ที่เข้มงวดและมีรายละเอียดมากขึ้นได้

สำหรับบล็อกเชน เนื่องจากการกระจายอำนาจ ความโปร่งใส และไม่ดัดแปลง รูปแบบการคำนวณที่ปลอดภัยแบบหลายฝ่าย (Threshold Multi-Party Computation, TMPC) ที่แนะนำเกณฑ์จึงเป็นตัวเลือกที่มีศักยภาพมาก รูปแบบนี้อนุญาตให้ผู้เข้าร่วมหลายคนจัดการและควบคุมคีย์ถอดรหัสร่วมกัน และเมื่อถึงจำนวนเกณฑ์ที่กำหนดไว้ล่วงหน้า (เช่น จำนวนผู้เข้าร่วม) เท่านั้น ข้อมูลจึงจะสามารถถอดรหัสได้สำเร็จ สิ่งนี้ไม่เพียงแต่ปรับปรุงความปลอดภัยของการจัดการคีย์เท่านั้น แต่ยังช่วยลดความเสี่ยงที่โหนดเดียวจะถูกบุกรุก ซึ่งเป็นการรับประกันที่แข็งแกร่งสำหรับการประยุกต์ใช้ FHE ในสภาพแวดล้อมบล็อกเชน

วางรากฐานสำหรับ fhEVM

จากมุมมองของการบุกรุกน้อยที่สุด วิธีที่ดีที่สุดในการนำ FHE ไปใช้กับบล็อกเชนคือการห่อหุ้มไว้ในฐานโค้ดสัญญาอัจฉริยะทั่วไปเพื่อให้มั่นใจถึงความสะดวกในการพกพาและความยืดหยุ่น อย่างไรก็ตาม สถานที่ตั้งของโซลูชันนี้คือ เครื่องเสมือนสัญญาอัจฉริยะจะต้องสนับสนุนชุดคำสั่งเฉพาะของการดำเนินการทางคณิตศาสตร์ที่ซับซ้อนและการดำเนินการเข้ารหัสลับที่ FHE กำหนดไว้ล่วงหน้า หากเครื่องเสมือนไม่สามารถตอบสนองข้อกำหนดเหล่านี้ได้ สถาปัตยกรรมหลักของเครื่องเสมือนจะต้องได้รับการปรับแต่งและแปลงให้ปรับให้เข้ากับความต้องการของอัลกอริทึม FHE เพื่อให้เกิดการบูรณาการได้อย่างราบรื่น

เนื่องจากเป็นเครื่องเสมือนที่ได้รับการยอมรับอย่างกว้างขวางและผ่านการพิสูจน์แล้ว EVM จึงเป็นตัวเลือกที่เป็นธรรมชาติสำหรับการนำ FHE ไปใช้ อย่างไรก็ตาม มีผู้ปฏิบัติงานเพียงไม่กี่รายในสาขานี้ ซึ่งในจำนวนนี้เราสังเกตเห็นบริษัท Zama ที่เปิด TFHE อีกครั้ง ปรากฎว่า Zama ไม่เพียงแต่ให้บริการห้องสมุด TFHE ขั้นพื้นฐานเท่านั้น แต่ในฐานะบริษัทเทคโนโลยีที่มุ่งเน้นการประยุกต์ใช้เทคโนโลยี FHE กับสาขาปัญญาประดิษฐ์และบล็อกเชน บริษัทยังได้เปิดตัวผลิตภัณฑ์โอเพ่นซอร์สที่สำคัญสองรายการ: Concrete ML และ fhEVM Concrete ML มุ่งเน้นไปที่การประมวลผลความเป็นส่วนตัวของแมชชีนเลิร์นนิ่ง ด้วย Concrete ML นักวิทยาศาสตร์ข้อมูลและผู้ปฏิบัติงาน ML สามารถฝึกอบรมและอนุมานโมเดลการเรียนรู้ของเครื่องเกี่ยวกับข้อมูลที่ละเอียดอ่อนไปพร้อมๆ กับการปกป้องความเป็นส่วนตัว ดังนั้นจึงใช้ทรัพยากรข้อมูลได้อย่างเต็มที่โดยไม่ต้องกังวลกับการรั่วไหลของความเป็นส่วนตัว ผลิตภัณฑ์อีกตัวหนึ่งคือ fhEVM คือ EVM แบบโฮโมมอร์ฟิกโดยสมบูรณ์ที่รองรับ Solidity เพื่อปรับใช้การประมวลผลความเป็นส่วนตัว fhEVM ช่วยให้นักพัฒนาใช้เทคโนโลยีการเข้ารหัสแบบโฮโมมอร์ฟิกอย่างสมบูรณ์ในสัญญาอัจฉริยะของ Ethereum เพื่อให้ได้รับการคุ้มครองความเป็นส่วนตัวและการประมวลผลที่ปลอดภัย

จากการอ่านข้อมูลเกี่ยวกับ fhEVM เราเข้าใจว่าคุณสมบัติหลักของ fhEVM คือ:

fhEVM: ที่ระดับไบต์โค้ดที่ไม่ใช่ EVM จะมีการรองรับการดำเนินการ FHE ในรูปแบบของฟังก์ชันแบบฝัง โดยการผสานรวมสัญญาที่คอมไพล์แล้วหลายสัญญาในสถานะต่างๆ ของไลบรารี FHE โอเพ่นซอร์สของ Zama นอกจากนี้ หน่วยความจำ EVM และพื้นที่จัดเก็บข้อมูลเฉพาะจะถูกสร้างขึ้นโดยเฉพาะสำหรับ FHE เพื่อจัดเก็บ อ่าน เขียน และตรวจสอบไซเฟอร์เท็กซ์ FHE
กลไกการถอดรหัสที่ออกแบบตามโปรโตคอลเกณฑ์แบบกระจาย: รองรับคีย์ FHE ทั่วโลกสำหรับการผสมข้อมูลที่เข้ารหัสระหว่างผู้ใช้หลายรายและสัญญาหลายฉบับ และการจัดเก็บข้อมูลคีย์การเข้ารหัสแบบออนไลน์ รูปแบบการประมวลผลที่ปลอดภัยแบบหลายฝ่ายพร้อมเกณฑ์ระหว่างตัวตรวจสอบหลายตัว กลไกการเข้ารหัสแบบอะซิงโครนัสสำหรับการแชร์คีย์ถอดรหัส ;
ไลบรารีสัญญา Solidity ที่ลดเกณฑ์สำหรับนักพัฒนา: ออกแบบประเภทข้อมูลที่เข้ารหัสของ FHE ประเภทการดำเนินการ การเรียกถอดรหัสและเอาต์พุตที่เข้ารหัส ฯลฯ

fhEVM ของ Zama เป็นจุดเริ่มต้นที่มั่นคงสำหรับเทคโนโลยี FHE ในแอปพลิเคชันบล็อกเชน อย่างไรก็ตาม เมื่อพิจารณาว่า Zama มุ่งเน้นไปที่การวิจัยและพัฒนาเทคโนโลยีเป็นหลัก โซลูชันของ Zama จึงเน้นด้านเทคนิคมากกว่า และยังมีความคิดค่อนข้างน้อยในแง่ของการใช้งานทางวิศวกรรมและการใช้งานเชิงพาณิชย์ . ดังนั้นในกระบวนการส่งเสริม fhEVM สู่การใช้งานจริง อาจเผชิญกับความท้าทายที่ไม่คาดคิดต่างๆ รวมถึงแต่ไม่จำกัดเพียงปัญหาเกณฑ์ทางเทคนิคและปัญหาการเพิ่มประสิทธิภาพการทำงาน

การสร้าง FHE-Rollups ทางนิเวศวิทยา

fhEVM เพียงอย่างเดียวไม่ถือเป็นโครงการหรือระบบนิเวศที่สมบูรณ์ในตัวมันเอง มันเหมือนกับหนึ่งในไคลเอนต์ที่หลากหลายในระบบนิเวศ Ethereum เพื่อให้เป็นโครงการอิสระ fhEVM ต้องอาศัยสถาปัตยกรรมระดับลูกโซ่สาธารณะ หรือใช้โซลูชัน Layer 2/Layer 3 ทิศทางการพัฒนาของห่วงโซ่สาธารณะ FHE จะหลีกเลี่ยงไม่ได้ที่จะกล่าวถึงวิธีการลดความซ้ำซ้อนและการสิ้นเปลืองทรัพยากรการประมวลผล FHE ระหว่างโหนดตรวจสอบความถูกต้องแบบกระจาย ในทางตรงกันข้าม โซลูชัน Layer 2 / Layer 3 ซึ่งมีตัวมันเองเป็นเลเยอร์การดำเนินการของห่วงโซ่สาธารณะ สามารถจัดสรรงานการประมวลผลให้กับโหนดไม่กี่โหนด ซึ่งช่วยลดลำดับความสำคัญของค่าใช้จ่ายในการประมวลผลได้อย่างมาก ด้วยเหตุนี้ Fhenix ในฐานะผู้บุกเบิกจึงสำรวจการผสมผสานระหว่าง fhEVM และเทคโนโลยี Rollup อย่างแข็งขัน และเสนอให้สร้างโซลูชัน FHE-Rollups ประเภทเลเยอร์ 2 ขั้นสูง

เมื่อพิจารณาว่าเทคโนโลยี ZK Rollups เกี่ยวข้องกับกลไก ZKP ที่ซับซ้อน และต้องการทรัพยากรการประมวลผลขนาดใหญ่เพื่อสร้างการพิสูจน์ที่จำเป็นสำหรับการตรวจสอบ รวมกับคุณลักษณะของ FHE เต็มรูปแบบ การนำแผน FHE-Rollups ที่ใช้ ZK Rollups โดยตรงมาใช้จะเผชิญกับความท้าทายมากมาย ดังนั้น ในขั้นตอนนี้ เมื่อเปรียบเทียบกับ ZK Rollups การนำโซลูชัน Optimistic Rollups มาใช้เป็นทางเลือกเทคโนโลยีของ Fhenix จะเป็นประโยชน์และมีประสิทธิภาพมากกว่า

กลุ่มเทคโนโลยีของ Fhenix ประกอบด้วยองค์ประกอบหลักต่อไปนี้เป็นหลัก: ตัวแปรหนึ่งของตัวพิสูจน์การฉ้อโกงของ Arbitrum Nitro ซึ่งสามารถทำการพิสูจน์การฉ้อโกงใน WebAssembly ได้ ดังนั้น ตรรกะ FHE จึงสามารถคอมไพล์ลงใน WebAssembly ก่อนเพื่อการดำเนินการที่ปลอดภัย ไลบรารีหลัก fheOS มอบฟังก์ชันการทำงานทั้งหมดที่จำเป็นในการรวมตรรกะ FHE เข้ากับสัญญาอัจฉริยะ Threshold Service Network (TSN) เป็นอีกหนึ่งองค์ประกอบที่สำคัญ โดยจะโฮสต์คีย์เครือข่ายที่แชร์อย่างลับๆ โดยแบ่งออกเป็นหลาย ๆ การแชร์โดยใช้เทคโนโลยีการแบ่งปันความลับเฉพาะอัลกอริทึมเพื่อความปลอดภัย และรับผิดชอบงานต่าง ๆ เช่น การถอดรหัสข้อมูลเมื่อจำเป็น

จากกลุ่มเทคโนโลยีข้างต้น Fhenix ได้เปิดตัว Fhenix Frontier เวอร์ชันสาธารณะรุ่นแรก แม้ว่านี่จะเป็นเวอร์ชันแรกๆ ที่มีข้อจำกัดมากมายและฟังก์ชันที่ขาดหายไป แต่ก็มีคำแนะนำที่ครอบคลุมสำหรับการใช้ไลบรารีโค้ดสัญญาอัจฉริยะ, Solidity API, กลุ่มเครื่องมือการพัฒนาสัญญา (เช่น Hardhat/Remix), ไลบรารี JavaScript แบบโต้ตอบส่วนหน้า ฯลฯ . นักพัฒนาและฝ่ายโครงการระบบนิเวศที่สนใจสามารถดูเอกสารอย่างเป็นทางการเพื่อสำรวจได้

โปรเซสเซอร์ร่วม FHE ของ Chain-Agnostic

บนพื้นฐานของ FHE-Rollups นั้น Fhenix ได้เปิดตัวโมดูลรีเลย์อย่างชาญฉลาด โดยมีเป้าหมายเพื่อเพิ่มขีดความสามารถของเครือข่ายสาธารณะ เครือข่าย L2 และ L3 เพื่อให้สามารถเข้าถึงตัวประมวลผลร่วม FHE และใช้ฟังก์ชัน FHE ซึ่งหมายความว่าแม้ว่า Host Chain ดั้งเดิมจะไม่รองรับ FHE แต่ขณะนี้คุณก็สามารถเพลิดเพลินกับฟังก์ชันอันทรงพลังของ FHE ทางอ้อมได้แล้ว อย่างไรก็ตาม เนื่องจากระยะเวลาการพิสูจน์ FHE-Rollups มักจะนานถึง 7 วัน สิ่งนี้จึงจำกัดการใช้งาน FHE ในวงกว้างในระดับหนึ่ง เพื่อเอาชนะความท้าทายนี้ Fhenix ได้ร่วมมือกับ EigenLayer เพื่อมอบช่องทางที่รวดเร็วและสะดวกยิ่งขึ้นสำหรับบริการของตัวประมวลผลร่วม FHE ผ่านกลไกการพักตัวของ EigenLayer ซึ่งปรับปรุงประสิทธิภาพและความยืดหยุ่นของตัวประมวลผลร่วม FHE ทั้งหมดอย่างมาก

กระบวนการใช้งานตัวประมวลผลร่วม FHE นั้นเรียบง่ายและชัดเจน:

สัญญาแอปพลิเคชันเรียกตัวประมวลผลร่วม FHE บน Host Chain เพื่อดำเนินการคำนวณการเข้ารหัส
การขอคิวสัญญารีเลย์
โหนด Relay จะรับฟังสัญญา Relay และส่งต่อสายไปยัง Fhenix Rollup เฉพาะ
FHE Rollup ดำเนินการคำนวณ FHE
เอาต์พุตการถอดรหัสเครือข่ายตามเกณฑ์
โหนดรีเลย์จะส่งผลลัพธ์และหลักฐานเชิงบวกกลับไปยังสัญญา
สัญญาจะตรวจสอบหลักฐานในแง่ดีและส่งผลลัพธ์ไปยังผู้โทร
สัญญาการสมัครยังคงดำเนินการตามสัญญาตามผลการโทร

คู่มือการเข้าร่วม Fhenix

หากคุณเป็นนักพัฒนา คุณสามารถเจาะลึกเอกสารประกอบของ Fhenix และพัฒนาแอปพลิเคชันประเภท FHE ของคุณเองโดยอิงตามเอกสารเหล่านี้ เพื่อสำรวจศักยภาพในการใช้งานจริง

หากคุณเป็นผู้ใช้ คุณอาจต้องการทดลองใช้ dApps ที่ให้บริการโดย FHE-Rollups ของ Fhenix และสัมผัสกับความปลอดภัยของข้อมูลและการปกป้องความเป็นส่วนตัวที่ FHE นำเสนอ

หากคุณเป็นนักวิจัย ขอแนะนำอย่างยิ่งให้คุณอ่านเอกสารของ Fhenix อย่างละเอียดเพื่อทำความเข้าใจในเชิงลึกเกี่ยวกับหลักการ รายละเอียดทางเทคนิค และโอกาสในการประยุกต์ใช้งานของ FHE เพื่อสนับสนุนคุณประโยชน์ที่มีคุณค่ามากขึ้นในสาขาการวิจัยของคุณ

สถานการณ์การใช้งาน FHE ที่ดีที่สุด

เทคโนโลยี FHE ได้แสดงให้เห็นถึงโอกาสในการประยุกต์ใช้งานที่หลากหลาย โดยเฉพาะอย่างยิ่งในด้านต่างๆ เช่น เกมแบบ full-chain, DeFi และ AI เราเชื่อมั่นอย่างยิ่งว่ามันมีศักยภาพในการพัฒนาอย่างมากและพื้นที่การใช้งานที่กว้างขวางในสาขาเหล่านี้:

เกมเต็มสายที่ได้รับการคุ้มครองความเป็นส่วนตัว: เทคโนโลยี FHE ให้การรับประกันการเข้ารหัสที่แข็งแกร่งสำหรับธุรกรรมทางการเงินและการดำเนินงานของผู้เล่นในระบบเศรษฐกิจของเกม ป้องกันการจัดการตามเวลาจริงได้อย่างมีประสิทธิภาพ และรับประกันความยุติธรรมและความเป็นกลางของเกม ในเวลาเดียวกัน FHE ยังสามารถปกปิดกิจกรรมของผู้เล่นได้ ซึ่งช่วยลดความเสี่ยงของการรั่วไหลของทรัพย์สินทางการเงินและข้อมูลส่วนบุคคลของผู้เล่นได้อย่างมาก ดังนั้นจึงปกป้องความเป็นส่วนตัวและความปลอดภัยของผู้เล่นอย่างเต็มที่
DeFi/MEV: ด้วยการพัฒนาอย่างรวดเร็วของกิจกรรม DeFi การดำเนินการ DeFi จำนวนมากจึงกลายเป็นเป้าหมายของการโจมตี MEV ในป่าอันมืดมิด เพื่อแก้ปัญหาความท้าทายนี้ FHE สามารถปกป้องข้อมูลที่ละเอียดอ่อนซึ่งไม่ต้องการรั่วไหลใน DeFi ได้อย่างมีประสิทธิภาพ เช่น ปริมาณตำแหน่ง รายการชำระบัญชี การเลื่อนหลุดของธุรกรรม ฯลฯ ในขณะเดียวกันก็รับประกันการคำนวณและประมวลผลตรรกะทางธุรกิจ เมื่อใช้ FHE ประสิทธิภาพของ DeFi แบบออนไลน์จะดีขึ้นอย่างมาก ซึ่งช่วยลดความถี่ของพฤติกรรม MEV ที่ไม่ดีได้อย่างมาก
AI: การฝึกอบรมโมเดล AI อาศัยชุดข้อมูล เมื่อพูดถึงการใช้ข้อมูลส่วนบุคคลในการฝึกอบรม การรับรองความปลอดภัยของข้อมูลที่ละเอียดอ่อนแต่ละรายการถือเป็นข้อกำหนดเบื้องต้น ด้วยเหตุนี้ เทคโนโลยี FHE จึงกลายเป็นโซลูชั่นที่สมบูรณ์แบบสำหรับการฝึกอบรมโมเดล AI เกี่ยวกับข้อมูลส่วนตัวส่วนบุคคล ช่วยให้ AI สามารถประมวลผลข้อมูลที่เข้ารหัสเพื่อทำให้กระบวนการฝึกอบรมเสร็จสมบูรณ์โดยไม่เปิดเผยข้อมูลส่วนบุคคลที่ละเอียดอ่อนใดๆ

การรับรู้ของชุมชน FHE

การพัฒนาเทคโนโลยีไม่สามารถบรรลุผลสำเร็จได้ด้วยคุณลักษณะแบบฮาร์ดคอร์เพียงอย่างเดียว เพื่อให้บรรลุถึงวุฒิภาวะทางเทคโนโลยีและความก้าวหน้าอย่างต่อเนื่อง เราต้องพึ่งพาการปรับปรุงอย่างต่อเนื่องของการวิจัยและพัฒนาทางวิชาการและการสร้างชุมชนที่กระตือรือร้น ในเรื่องนี้ FHE ได้กลายเป็นจอกศักดิ์สิทธิ์แห่งการเข้ารหัส และศักยภาพและคุณค่าของมันได้รับการยอมรับอย่างกว้างขวางมายาวนาน ในปี 2020 Vitalik Buterin ให้การยอมรับและสนับสนุนเทคโนโลยี FHE อย่างสูงในบทความ "Exploring Fully Homomorphic Encryption" เมื่อเร็วๆ นี้ เขาได้พูดคุยผ่านโซเชียลมีเดียอีกครั้ง ไม่ต้องสงสัยเลยว่าเป็นการเสริมความแข็งแกร่งให้กับตำแหน่งนี้อีกครั้ง และเรียกร้องให้มีทรัพยากรและพลังมากขึ้นสำหรับการพัฒนาเทคโนโลยี FHE ในทำนองเดียวกัน โครงการใหม่ องค์กรวิจัยและการศึกษาที่ไม่แสวงหากำไรก็เกิดขึ้นอย่างต่อเนื่อง และกองทุนตลาดยังคงถูกอัดฉีดอย่างต่อเนื่อง ซึ่งทั้งหมดนี้ดูเหมือนจะบ่งชี้ว่าบทนำของการระเบิดทางเทคโนโลยีกำลังจะเริ่มต้นขึ้น

นิเวศวิทยาเบื้องต้นของ FHE ที่เป็นไปได้

ในช่วงเริ่มต้นของการพัฒนาระบบนิเวศ FHE นอกเหนือจากโครงการคุณภาพสูงของบริษัทผู้ให้บริการเทคโนโลยีพื้นฐานหลัก Zama และ Fhenix ที่มีชื่อเสียงระดับสูงแล้ว ยังมีโครงการที่โดดเด่นไม่แพ้กันอีกมากมายที่คู่ควรกับข้อมูลเชิงลึกของเรา ความเข้าใจและความใส่ใจ:

ครีมกันแดด: คอมไพเลอร์ FHE ที่สร้างขึ้นจากการวิจัยและพัฒนาแบบบริการตนเองรองรับการแปลง FHE ของภาษาการเขียนโปรแกรมแบบดั้งเดิม ออกแบบพื้นที่เก็บข้อมูลแบบกระจายอำนาจที่สอดคล้องกับไซเฟอร์เท็กซ์ FHE และสุดท้ายก็ส่งออกคุณสมบัติ FHE สำหรับแอปพลิเคชัน Web3 ในรูปแบบของ SDK
Mind Network: เมื่อรวมเข้ากับกลไก Reslogging ของ EigenLayer จะเป็นเครือข่าย FHE ที่ออกแบบมาโดยเฉพาะเพื่อขยายความปลอดภัยสำหรับเครือข่าย AI และ DePIN
PADO Labs: เปิดตัว zkFHE ซึ่งรวม ZKP และ FHE เข้าด้วยกัน และสร้างเครือข่ายคอมพิวเตอร์แบบกระจายอำนาจด้านบน
**Arcium:** ก่อนหน้านี้คือ Elusiv ซึ่งเป็นโปรโตคอลความเป็นส่วนตัวของ Solana และเพิ่งเปลี่ยนเป็นเครือข่ายคอมพิวเตอร์ที่เป็นความลับแบบคู่ขนานรวมกับ FHE
เครือข่าย Inco: จาก fhEVM ของ Zama มุ่งเน้นไปที่การปรับต้นทุนการประมวลผลและประสิทธิภาพของ FHE ให้เหมาะสม จากนั้นจึงพัฒนาเลเยอร์ 1 เชิงนิเวศน์ที่สมบูรณ์
ปฏิบัติต่อ: FHE Layer 3 สร้างขึ้นร่วมกันโดยทีมงาน Shiba และ Zama ซึ่งอุทิศตนเพื่อขยายระบบนิเวศของ Shiba
octra: เครือข่าย FHE รองรับสภาพแวดล้อมการดำเนินการแบบแยกส่วนซึ่งพัฒนาโดยใช้ OCaml, AST, ReasonML และ C++
BasedAI: เครือข่ายแบบกระจายที่รองรับการแนะนำฟังก์ชัน FHE สำหรับโมเดล LLM
Encifher: เดิมชื่อ BananaHQ ปัจจุบันเปลี่ยนชื่อเป็น Rize Labs เรากำลังสร้าง FHEML รอบ ๆ FHE
Privasea: เครือข่าย FHE ที่สร้างโดยทีมงานหลักของ NuLink ใช้เฟรมเวิร์ก ML ที่เป็นรูปธรรมของ Zama เพื่อให้บรรลุการปกป้องความเป็นส่วนตัวของข้อมูลในระหว่างการอนุมาน ML ในสาขา AI

สำหรับสถาบันวิจัยและการศึกษาที่ไม่แสวงหากำไร เราขอแนะนำ FHE.org และ FHE Onchain ซึ่งเป็นแหล่งข้อมูลที่มีคุณค่าสำหรับการวิจัยทางวิชาการและการเผยแพร่ทางการศึกษาทั่วทั้งระบบนิเวศ

เนื่องจากมีพื้นที่จำกัด เราจึงไม่สามารถแสดงรายการโครงการที่โดดเด่นทั้งหมดในระบบนิเวศของ FHE ได้ แต่โปรดเชื่อว่าระบบนิเวศนี้มีศักยภาพและโอกาสที่ไม่จำกัด ซึ่งคุ้มค่ากับการสำรวจและสำรวจเชิงลึกอย่างต่อเนื่องของเรา

สรุป

เรามองโลกในแง่ดีเกี่ยวกับโอกาสของเทคโนโลยี FHE และมีความคาดหวังสูงสำหรับโครงการ Fhenix เมื่อเมนเน็ต Fhenix เปิดตัวและเปิดตัวอย่างเป็นทางการแล้ว เราคาดหวังว่าแอปพลิเคชันในสาขาต่างๆ จะได้รับการปรับปรุงเนื่องจากเทคโนโลยี FHE เราเชื่อมั่นว่าอนาคตที่เต็มไปด้วยนวัตกรรมและความมีชีวิตชีวานี้อยู่ใกล้แค่เอื้อม