Широкая динамика рынка шифрования активов и потенциал гомоморфного шифрования
По состоянию на 13 октября, обсуждение основных шифрованных активов и их ценовые показатели следующие:
Некоторые статистические данные платформы показывают, что количество обсуждений биткойна на прошлой неделе составило 12,52K раз, что на 0,98% меньше по сравнению с предыдущей неделей. Его цена закрытия в воскресенье составила 63916 долларов, что на 1,62% больше по сравнению с предыдущей неделей.
Обсуждение Ethereum на прошлой неделе составило 3,63K, что на 3,45% больше по сравнению с предыдущей неделей. Закрытие в воскресенье составило 2530 долларов, что на 4% меньше по сравнению с предыдущей неделей.
Обсуждения TON за прошлую неделю составили 782 раза, что на 12.63% меньше по сравнению с предыдущей неделей. Его цена закрытия в воскресенье составила 5.26 долларов, что на 0.25% ниже по сравнению с предыдущей неделей.
Гомоморфное шифрование(FHE) как передовая технология в области шифрования имеет широкие перспективы применения. Его核心优势 заключается в возможности напрямую выполнять вычисления над зашифрованными данными без необходимости расшифровки, что обеспечивает мощную поддержку для защиты конфиденциальности и обработки данных. FHE может быть применено в таких областях, как финансы, медицина, облачные вычисления, машинное обучение, системы голосования, Интернет вещей и защита конфиденциальности в блокчейне. Тем не менее, путь коммерциализации FHE по-прежнему сталкивается с рядом вызовов.
Потенциал FHE и области применения
Основное преимущество Гомоморфного шифрования (FHE) заключается в защите конфиденциальности данных. Например, когда одна компания нуждается в использовании вычислительных мощностей другой компании для анализа данных, но не хочет, чтобы содержимое данных стало известным, FHE может быть полезным. Владельцы данных могут передавать зашифрованные данные вычислительной стороне для обработки, при этом результаты вычислений остаются зашифрованными, и владельцы данных могут расшифровать их, чтобы получить результаты анализа. Этот механизм защищает конфиденциальность данных и не влияет на необходимую вычислительную работу.
Для таких чувствительных отраслей, как финансы и медицина, функция защиты конфиденциальности FHE особенно важна. С развитием облачных вычислений и ИИ безопасность данных становится все более актуальной. FHE может обеспечить защиту конфиденциальности в многопартнерских вычислениях, позволяя сторонам сотрудничать, не раскрывая чувствительную информацию. В технологии блокчейн FHE повышает прозрачность и безопасность обработки данных благодаря таким функциям, как защита конфиденциальности на блокчейне и проверка конфиденциальных транзакций.
Сравнение FHE с другими технологиями шифрования
В области Web3 FHE, нулевые доказательства ( ZK ), многопартитные защищенные вычисления ( MPC ) и доверенные вычислительные среды ( TEE ) являются основными методами защиты конфиденциальности. В отличие от ZK, FHE может выполнять различные операции с зашифрованными данными без необходимости предварительной расшифровки. MPC позволяет нескольким сторонам проводить вычисления, сохраняя данные зашифрованными, без необходимости делиться конфиденциальной информацией. TEE обеспечивает безопасную вычислительную среду, но относительно ограничена в гибкости обработки данных.
Эти технологии имеют свои преимущества, но FHE особенно хорошо справляется с поддержкой сложных вычислительных задач. Однако FHE по-прежнему сталкивается с проблемами высокой вычислительной нагрузки и плохой масштабируемости в реальных приложениях, что ограничивает его эффективность в задачах реального времени.
Ограничения и вызовы FHE
Несмотря на то, что теоретическая основа FHE крепка, в процессе коммерциализации возникли некоторые практические проблемы:
Значительные вычислительные затраты: Гомоморфное шифрование требует значительных вычислительных ресурсов, и его затраты значительно увеличиваются по сравнению с нешифрованными вычислениями. Для операций с высокоразмерными многочленами время обработки растет полиномиально, что затрудняет удовлетворение требований к вычислениям в реальном времени. Хотя можно снизить затраты с помощью специализированного аппаратного ускорения, это также увеличивает сложность развертывания.
Ограниченные операционные возможности: хотя Гомоморфное шифрование (FHE) может выполнять сложение и умножение зашифрованных данных, поддержка сложных нелинейных операций ограничена, что создает узкое место для AI-приложений, таких как глубокие нейронные сети. В настоящее время схемы FHE в основном подходят для линейных и простых полиномиальных вычислений, применение нелинейных моделей значительно ограничено.
Сложность поддержки нескольких пользователей: Гомоморфное шифрование (FHE) показывает хорошие результаты в сценариях с одним пользователем, но при обработке многопользовательских наборов данных системная сложность резко возрастает. Хотя были предложены исследования многоключевых FHE-структур, позволяющих работать с зашифрованными наборами данных, использующими разные ключи, управление ключами и сложность системной архитектуры значительно возрастают.
Сочетание Гомоморфного шифрования и ИИ
В современную эпоху, ориентированную на данные, ИИ широко применяется в различных областях, но опасения по поводу конфиденциальности данных часто мешают пользователям делиться чувствительной информацией. Гомоморфное шифрование предоставляет решения для защиты конфиденциальности в области ИИ. В сценариях облачных вычислений Гомоморфное шифрование позволяет обрабатывать данные пользователей в зашифрованном состоянии, обеспечивая конфиденциальность данных.
Это преимущество особенно важно в условиях требований таких законов, как GDPR, поскольку эти законы требуют от пользователей права на информирование о способах обработки данных и гарантируют защиту данных в процессе передачи. Гомоморфное шифрование (FHE) обеспечивает соблюдение требований и безопасность данных.
Применение Гомоморфного шифрования в блокчейне
FHE в блокчейне в основном используется для защиты конфиденциальности данных, включая конфиденциальность на цепочке, конфиденциальность данных для обучения ИИ, конфиденциальность голосования на цепочке и проверку конфиденциальных транзакций на цепочке. В настоящее время несколько проектов используют технологию FHE для продвижения реализации защиты конфиденциальности:
Решение FHE, разработанное одной компанией, широко используется в нескольких проектах по защите конфиденциальности. Эта компания сосредоточена на шифровании и разработала стек для FHE, ориентированный на блокчейн и приложения ИИ, на основе технологии TFHE, с акцентом на булевы операции и операции с низкими целыми числами.
Другая компания разработала новый язык смарт-контрактов и библиотеку Гомоморфного шифрования, подходящую для блокчейн-сетей.
Есть проекты, использующие Гомоморфное шифрование для обеспечения конфиденциальности в AI-вычислительных сетях, поддерживающие различные AI-модели.
Некоторая сеть объединяет Гомоморфное шифрование и ИИ, предоставляя децентрализованную и защищенную от вторжений среду ИИ.
В качестве решения Layer 2 для Ethereum, проект поддерживает FHE Rollups и FHE Coprocessors, совместим с EVM и поддерживает смарт-контракты, написанные на Solidity.
Заключение
FHE, как передовая технология, позволяющая выполнять вычисления на зашифрованных данных, имеет значительные преимущества в области защиты конфиденциальности данных. Хотя в настоящее время коммерческое применение FHE все еще сталкивается с проблемами высокой вычислительной нагрузки и плохой масштабируемости, эти проблемы могут быть постепенно решены с помощью аппаратного ускорения и оптимизации алгоритмов. С развитием технологий блокчейн FHE будет играть все более важную роль в защите конфиденциальности и безопасных вычислениях. В будущем FHE, вероятно, станет ключевой технологией, поддерживающей вычисления для защиты конфиденциальности, что обеспечит революционный прорыв в безопасности данных.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
13 Лайков
Награда
13
6
Поделиться
комментарий
0/400
SchroedingerGas
· 20ч назад
Если есть токен и нет ловушки, то это как будто с ума сошел.
Посмотреть ОригиналОтветить0
FlatTax
· 20ч назад
btc рост привел к тому, что остальные довольно плохо
Посмотреть ОригиналОтветить0
NFTDreamer
· 20ч назад
btc真 бык 越悄越 рост
Посмотреть ОригиналОтветить0
not_your_keys
· 20ч назад
Старые неудачники, не паникуйте, есть рост.
Посмотреть ОригиналОтветить0
DeepRabbitHole
· 21ч назад
热度下降 большой бык придет
Посмотреть ОригиналОтветить0
GasFeeVictim
· 21ч назад
в блокчейне драки все бросили ведра и убежали, скучно
Обсуждение BTC становится менее активным, цена растет. Технология FHE может стать ядром вычислений с защитой конфиденциальности.
Широкая динамика рынка шифрования активов и потенциал гомоморфного шифрования
По состоянию на 13 октября, обсуждение основных шифрованных активов и их ценовые показатели следующие:
Некоторые статистические данные платформы показывают, что количество обсуждений биткойна на прошлой неделе составило 12,52K раз, что на 0,98% меньше по сравнению с предыдущей неделей. Его цена закрытия в воскресенье составила 63916 долларов, что на 1,62% больше по сравнению с предыдущей неделей.
Обсуждение Ethereum на прошлой неделе составило 3,63K, что на 3,45% больше по сравнению с предыдущей неделей. Закрытие в воскресенье составило 2530 долларов, что на 4% меньше по сравнению с предыдущей неделей.
Обсуждения TON за прошлую неделю составили 782 раза, что на 12.63% меньше по сравнению с предыдущей неделей. Его цена закрытия в воскресенье составила 5.26 долларов, что на 0.25% ниже по сравнению с предыдущей неделей.
Гомоморфное шифрование(FHE) как передовая технология в области шифрования имеет широкие перспективы применения. Его核心优势 заключается в возможности напрямую выполнять вычисления над зашифрованными данными без необходимости расшифровки, что обеспечивает мощную поддержку для защиты конфиденциальности и обработки данных. FHE может быть применено в таких областях, как финансы, медицина, облачные вычисления, машинное обучение, системы голосования, Интернет вещей и защита конфиденциальности в блокчейне. Тем не менее, путь коммерциализации FHE по-прежнему сталкивается с рядом вызовов.
Потенциал FHE и области применения
Основное преимущество Гомоморфного шифрования (FHE) заключается в защите конфиденциальности данных. Например, когда одна компания нуждается в использовании вычислительных мощностей другой компании для анализа данных, но не хочет, чтобы содержимое данных стало известным, FHE может быть полезным. Владельцы данных могут передавать зашифрованные данные вычислительной стороне для обработки, при этом результаты вычислений остаются зашифрованными, и владельцы данных могут расшифровать их, чтобы получить результаты анализа. Этот механизм защищает конфиденциальность данных и не влияет на необходимую вычислительную работу.
Для таких чувствительных отраслей, как финансы и медицина, функция защиты конфиденциальности FHE особенно важна. С развитием облачных вычислений и ИИ безопасность данных становится все более актуальной. FHE может обеспечить защиту конфиденциальности в многопартнерских вычислениях, позволяя сторонам сотрудничать, не раскрывая чувствительную информацию. В технологии блокчейн FHE повышает прозрачность и безопасность обработки данных благодаря таким функциям, как защита конфиденциальности на блокчейне и проверка конфиденциальных транзакций.
Сравнение FHE с другими технологиями шифрования
В области Web3 FHE, нулевые доказательства ( ZK ), многопартитные защищенные вычисления ( MPC ) и доверенные вычислительные среды ( TEE ) являются основными методами защиты конфиденциальности. В отличие от ZK, FHE может выполнять различные операции с зашифрованными данными без необходимости предварительной расшифровки. MPC позволяет нескольким сторонам проводить вычисления, сохраняя данные зашифрованными, без необходимости делиться конфиденциальной информацией. TEE обеспечивает безопасную вычислительную среду, но относительно ограничена в гибкости обработки данных.
Эти технологии имеют свои преимущества, но FHE особенно хорошо справляется с поддержкой сложных вычислительных задач. Однако FHE по-прежнему сталкивается с проблемами высокой вычислительной нагрузки и плохой масштабируемости в реальных приложениях, что ограничивает его эффективность в задачах реального времени.
Ограничения и вызовы FHE
Несмотря на то, что теоретическая основа FHE крепка, в процессе коммерциализации возникли некоторые практические проблемы:
Значительные вычислительные затраты: Гомоморфное шифрование требует значительных вычислительных ресурсов, и его затраты значительно увеличиваются по сравнению с нешифрованными вычислениями. Для операций с высокоразмерными многочленами время обработки растет полиномиально, что затрудняет удовлетворение требований к вычислениям в реальном времени. Хотя можно снизить затраты с помощью специализированного аппаратного ускорения, это также увеличивает сложность развертывания.
Ограниченные операционные возможности: хотя Гомоморфное шифрование (FHE) может выполнять сложение и умножение зашифрованных данных, поддержка сложных нелинейных операций ограничена, что создает узкое место для AI-приложений, таких как глубокие нейронные сети. В настоящее время схемы FHE в основном подходят для линейных и простых полиномиальных вычислений, применение нелинейных моделей значительно ограничено.
Сложность поддержки нескольких пользователей: Гомоморфное шифрование (FHE) показывает хорошие результаты в сценариях с одним пользователем, но при обработке многопользовательских наборов данных системная сложность резко возрастает. Хотя были предложены исследования многоключевых FHE-структур, позволяющих работать с зашифрованными наборами данных, использующими разные ключи, управление ключами и сложность системной архитектуры значительно возрастают.
Сочетание Гомоморфного шифрования и ИИ
В современную эпоху, ориентированную на данные, ИИ широко применяется в различных областях, но опасения по поводу конфиденциальности данных часто мешают пользователям делиться чувствительной информацией. Гомоморфное шифрование предоставляет решения для защиты конфиденциальности в области ИИ. В сценариях облачных вычислений Гомоморфное шифрование позволяет обрабатывать данные пользователей в зашифрованном состоянии, обеспечивая конфиденциальность данных.
Это преимущество особенно важно в условиях требований таких законов, как GDPR, поскольку эти законы требуют от пользователей права на информирование о способах обработки данных и гарантируют защиту данных в процессе передачи. Гомоморфное шифрование (FHE) обеспечивает соблюдение требований и безопасность данных.
Применение Гомоморфного шифрования в блокчейне
FHE в блокчейне в основном используется для защиты конфиденциальности данных, включая конфиденциальность на цепочке, конфиденциальность данных для обучения ИИ, конфиденциальность голосования на цепочке и проверку конфиденциальных транзакций на цепочке. В настоящее время несколько проектов используют технологию FHE для продвижения реализации защиты конфиденциальности:
Решение FHE, разработанное одной компанией, широко используется в нескольких проектах по защите конфиденциальности. Эта компания сосредоточена на шифровании и разработала стек для FHE, ориентированный на блокчейн и приложения ИИ, на основе технологии TFHE, с акцентом на булевы операции и операции с низкими целыми числами.
Другая компания разработала новый язык смарт-контрактов и библиотеку Гомоморфного шифрования, подходящую для блокчейн-сетей.
Есть проекты, использующие Гомоморфное шифрование для обеспечения конфиденциальности в AI-вычислительных сетях, поддерживающие различные AI-модели.
Некоторая сеть объединяет Гомоморфное шифрование и ИИ, предоставляя децентрализованную и защищенную от вторжений среду ИИ.
В качестве решения Layer 2 для Ethereum, проект поддерживает FHE Rollups и FHE Coprocessors, совместим с EVM и поддерживает смарт-контракты, написанные на Solidity.
Заключение
FHE, как передовая технология, позволяющая выполнять вычисления на зашифрованных данных, имеет значительные преимущества в области защиты конфиденциальности данных. Хотя в настоящее время коммерческое применение FHE все еще сталкивается с проблемами высокой вычислительной нагрузки и плохой масштабируемости, эти проблемы могут быть постепенно решены с помощью аппаратного ускорения и оптимизации алгоритмов. С развитием технологий блокчейн FHE будет играть все более важную роль в защите конфиденциальности и безопасных вычислениях. В будущем FHE, вероятно, станет ключевой технологией, поддерживающей вычисления для защиты конфиденциальности, что обеспечит революционный прорыв в безопасности данных.