FHE( la encriptación completamente homomórfica ) es una técnica de encriptación avanzada que permite realizar cálculos directamente sobre datos encriptados, protegiendo así la privacidad mientras se procesan los datos. FHE tiene aplicaciones potenciales en múltiples campos como finanzas, salud, computación en la nube, y aprendizaje automático, pero debido a sus enormes costos computacionales y de memoria, la comercialización aún requiere tiempo.
Principios básicos
El núcleo de FHE es ocultar la información original a través de polinomios. El proceso de encriptación utiliza un polinomio clave, un polinomio aleatorio y un pequeño polinomio de "ruido". La desencriptación requiere conocer el polinomio clave.
Para realizar cálculos sobre datos encriptados, FHE convierte las operaciones en "circuitos". La suma y la multiplicación constituyen las operaciones básicas, que pueden expresar cualquier cálculo. Sin embargo, cada operación aumenta el ruido, especialmente la multiplicación, que provoca un crecimiento exponencial del ruido, lo que limita la profundidad de cálculo.
Para resolver el problema del ruido, FHE adoptó las siguientes tecnologías:
Cambio de clave: reducción del tamaño del texto cifrado
Cambio de módulo: reducir el presupuesto de ruido
Autoarranque(Bootstrap): restablecer el ruido al nivel inicial
Actualmente, los principales esquemas de FHE utilizan tecnología de Bootstrap, pero el costo computacional sigue siendo muy alto. En comparación con el cálculo normal, el cálculo FHE puede ser 500 millones de veces más lento.
Desafíos enfrentados
El mayor desafío de FHE es el enorme costo computacional. DARPA lanzó específicamente el programa DPRIVE, intentando aumentar la velocidad de cálculo de FHE a 1/10 de la computación normal, pero los avances son lentos.
Las principales direcciones de mejora incluyen:
Aumentar la longitud de palabra del procesador
Desarrollo de procesadores ASIC dedicados
Construir una arquitectura paralela MIMD
Aunque el avance de la tecnología FHE es lento, sigue teniendo una importancia significativa para la protección de datos sensibles, especialmente en la era post-cuántica.
Combina de blockchain
FHE se utiliza principalmente en blockchain para proteger la privacidad de los datos, incluyendo la privacidad en la cadena, la privacidad de los datos de entrenamiento de IA, la privacidad de las votaciones en la cadena, entre otros. Sin embargo, las transacciones completamente encriptadas también pueden traer nuevos problemas, como la pérdida de los efectos positivos de los bots MEV y el aumento significativo de los requisitos para los nodos.
Principales Proyectos
Los principales proyectos de FHE actuales incluyen:
Zama: proporciona un marco de desarrollo basado en TFHE
Fhenix: Construcción de Layer 2 priorizando la privacidad
Privasea: para operaciones de datos LLM
Inco Network: construir FHE Layer 1
Mind Network: para el Restaking
Octra: utiliza tecnología de hipergráficas para implementar FHE
Perspectivas
FHE aún se encuentra en una etapa temprana y enfrenta numerosos desafíos. Sin embargo, con la inversión de más fondos y talentos, así como el desarrollo de chips especializados, se espera que FHE traiga cambios en el futuro a campos como las finanzas y la medicina. También es prometedora su combinación con tecnologías de vanguardia como la computación cuántica.
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
Tecnología FHE: lograr el cálculo de datos encriptados mientras se protege la privacidad
FHE: Cálculo directo sobre datos encriptados
FHE( la encriptación completamente homomórfica ) es una técnica de encriptación avanzada que permite realizar cálculos directamente sobre datos encriptados, protegiendo así la privacidad mientras se procesan los datos. FHE tiene aplicaciones potenciales en múltiples campos como finanzas, salud, computación en la nube, y aprendizaje automático, pero debido a sus enormes costos computacionales y de memoria, la comercialización aún requiere tiempo.
Principios básicos
El núcleo de FHE es ocultar la información original a través de polinomios. El proceso de encriptación utiliza un polinomio clave, un polinomio aleatorio y un pequeño polinomio de "ruido". La desencriptación requiere conocer el polinomio clave.
Para realizar cálculos sobre datos encriptados, FHE convierte las operaciones en "circuitos". La suma y la multiplicación constituyen las operaciones básicas, que pueden expresar cualquier cálculo. Sin embargo, cada operación aumenta el ruido, especialmente la multiplicación, que provoca un crecimiento exponencial del ruido, lo que limita la profundidad de cálculo.
Para resolver el problema del ruido, FHE adoptó las siguientes tecnologías:
Actualmente, los principales esquemas de FHE utilizan tecnología de Bootstrap, pero el costo computacional sigue siendo muy alto. En comparación con el cálculo normal, el cálculo FHE puede ser 500 millones de veces más lento.
Desafíos enfrentados
El mayor desafío de FHE es el enorme costo computacional. DARPA lanzó específicamente el programa DPRIVE, intentando aumentar la velocidad de cálculo de FHE a 1/10 de la computación normal, pero los avances son lentos.
Las principales direcciones de mejora incluyen:
Aunque el avance de la tecnología FHE es lento, sigue teniendo una importancia significativa para la protección de datos sensibles, especialmente en la era post-cuántica.
Combina de blockchain
FHE se utiliza principalmente en blockchain para proteger la privacidad de los datos, incluyendo la privacidad en la cadena, la privacidad de los datos de entrenamiento de IA, la privacidad de las votaciones en la cadena, entre otros. Sin embargo, las transacciones completamente encriptadas también pueden traer nuevos problemas, como la pérdida de los efectos positivos de los bots MEV y el aumento significativo de los requisitos para los nodos.
Principales Proyectos
Los principales proyectos de FHE actuales incluyen:
Perspectivas
FHE aún se encuentra en una etapa temprana y enfrenta numerosos desafíos. Sin embargo, con la inversión de más fondos y talentos, así como el desarrollo de chips especializados, se espera que FHE traiga cambios en el futuro a campos como las finanzas y la medicina. También es prometedora su combinación con tecnologías de vanguardia como la computación cuántica.