По состоянию на 13 октября статистика BTC, ETH и TON на платформе TrendX следующая:
Количество обсуждений BTC на прошлой неделе составило 12,52 тыс., что на 0,98% меньше, чем на предыдущей неделе. Цена в воскресенье на прошлой неделе составила $63 916, что на 1,62% больше, чем в предыдущее воскресенье;
Количество обсуждений ETH на прошлой неделе составило 3,63 тыс., что на 3,45% больше, чем на предыдущей неделе. Цена в воскресенье на прошлой неделе составила $2530, что на 4% меньше, чем в предыдущее воскресенье;
Количество обсуждений в TON на прошлой неделе составило 782, что на 12,63% меньше, чем на предыдущей неделе. Цена в воскресенье на прошлой неделе составила $5,26, что на 0,25% меньше, чем в предыдущее воскресенье;
Полностью гомоморфное шифрование (FHE) — это технология с большим потенциалом в современной криптографии. Ее основная особенность заключается в том, что она позволяет выполнять вычисления непосредственно над зашифрованными данными без расшифровки, что обеспечивает мощную защиту конфиденциальности и поддержку обработки данных. FHE может широко использоваться в таких областях, как финансы, здравоохранение, облачные вычисления, машинное обучение, системы голосования, Интернет вещей и защита конфиденциальности блокчейна. Однако, несмотря на широкие перспективы применения FHE, он по-прежнему сталкивается с проблемами на пути коммерциализации.
Самым большим преимуществом гомоморфного шифрования является защита конфиденциальности. Представьте, что компании А необходимо использовать вычислительные мощности компании Б для анализа своих данных, но она не хочет, чтобы компания Б имела доступ к конкретному содержимому данных. FHE может сыграть свою роль в этой ситуации: компания А может зашифровать данные и передать их компании Б для расчета. Результаты расчета остаются зашифрованными, а компания А может получить результаты анализа после расшифровки. Таким образом, конфиденциальность данных эффективно защищена, и компания Б также может выполнить необходимую вычислительную работу.
Этот механизм защиты конфиденциальности особенно важен для отраслей, чувствительных к данным, таких как финансы и здравоохранение. Кроме того, с развитием облачных вычислений и искусственного интеллекта безопасность данных все чаще становится в центре внимания. В этих сценариях FHE может обеспечить многостороннюю компьютерную защиту, позволяя всем сторонам осуществлять совместную работу без раскрытия частной информации. FHE повышает прозрачность и безопасность обработки данных, особенно в технологии блокчейна, благодаря таким функциям, как защита конфиденциальности в цепочке и проверка частных транзакций.
В области Web3 основными методами защиты конфиденциальности являются FHE, доказательство с нулевым разглашением (ZK), многосторонние вычисления (MPC) и доверенная среда выполнения (TEE). В отличие от ZK, FHE может выполнять различные операции с зашифрованными данными без предварительной расшифровки данных. MPC позволяет сторонам выполнять вычисления, пока данные зашифрованы, не передавая друг другу личную информацию. TEE обеспечивает вычисления в безопасной среде, но имеет относительно ограниченную гибкость в обработке данных.
Каждая из этих технологий шифрования имеет свои преимущества, но FHE особенно хорош для поддержки сложных вычислительных задач. Несмотря на это, FHE по-прежнему сталкивается с проблемами высоких вычислительных затрат и плохой масштабируемости в практических приложениях, что часто делает его недостаточным для приложений реального времени. Ограничения и проблемы FHE Хотя FHE имеет прочную теоретическую основу, он столкнулся с практическими проблемами при своем коммерческом применении.
Каждая из этих технологий шифрования имеет свои преимущества, но FHE особенно хорош для поддержки сложных вычислительных задач. Несмотря на это, FHE по-прежнему сталкивается с проблемами высоких вычислительных затрат и плохой масштабируемости в практических приложениях, что часто делает его недостаточным для приложений реального времени. Ограничения и проблемы FHE Хотя FHE имеет прочную теоретическую основу, он столкнулся с практическими проблемами при своем коммерческом применении.
- Крупномасштабные вычислительные издержки: FHE требует большого количества вычислительных ресурсов, и его вычислительные издержки значительно возрастают по сравнению с незашифрованными вычислениями. Для полиномиальных операций высокого порядка время обработки увеличивается полиномиально, поэтому FHE трудно удовлетворить потребности вычислений в реальном времени. Чтобы снизить затраты, FHE использует специальное аппаратное ускорение, но это также увеличивает сложность развертывания.
- Ограниченные операционные возможности: хотя FHE может выполнять сложение и умножение зашифрованных данных, он имеет ограниченную поддержку сложных нелинейных операций, что является узким местом для приложений искусственного интеллекта, включающих глубокие нейронные сети. Современные схемы FHE по-прежнему в основном подходят для линейных и простых полиномиальных вычислений, а применение нелинейных моделей существенно ограничено.
- Сложность многопользовательской поддержки: FHE хорошо работает в однопользовательских сценариях, но когда задействованы многопользовательские наборы данных, сложность системы резко возрастает. В 2013 году структура FHE с несколькими ключами, предложенная Лопесом-Альтом и др., хотя и позволяла выполнять операции с зашифрованными наборами данных с разными ключами, сложность управления ключами и архитектуры системы значительно возросла.
В нынешнюю эпоху, основанную на данных, искусственный интеллект (ИИ) широко используется во многих областях, но пользователи часто неохотно делятся конфиденциальными данными, такими как медицинская и финансовая информация, из-за проблем конфиденциальности данных. FHE предоставляет решения для защиты конфиденциальности в области искусственного интеллекта. В сценариях облачных вычислений данные обычно шифруются во время передачи и хранения, но во время обработки часто передаются в виде открытого текста. С помощью FHE пользовательские данные могут обрабатываться, оставаясь зашифрованными, обеспечивая конфиденциальность данных.
Это преимущество особенно важно в соответствии с такими правилами, как GDPR, которые требуют, чтобы пользователи имели право знать, как обрабатываются их данные, и обеспечивать защиту данных во время передачи. Сквозное шифрование FHE обеспечивает гарантию соответствия требованиям и безопасности данных.
Применение FHE в блокчейне в основном направлено на защиту конфиденциальности данных, включая конфиденциальность в цепочке, конфиденциальность данных обучения ИИ, конфиденциальность голосования в цепочке и проверку конфиденциальности транзакций в цепочке. В настоящее время многие проекты используют технологию FHE для обеспечения защиты конфиденциальности. Например, решение FHE, созданное Zama, широко используется в таких проектах, как Fhenix, Privasea, IncoNetwork и MindNetwork.
Зама : Основанная на технологии TFHE, она фокусируется на логических операциях и целочисленных операциях с малой длиной слова, а также создала стек разработки FHE для приложений блокчейна и искусственного интеллекта.
Octra: разработала новый язык смарт-контрактов и библиотеку HyperghraphFHE для сетей блокчейнов.
Privasea : используйте FHE для обеспечения защиты конфиденциальности в вычислительных сетях искусственного интеллекта и поддержки нескольких моделей искусственного интеллекта.
MindNetwork : объединение FHE и искусственного интеллекта для создания децентрализованной и защищающей конфиденциальность среды искусственного интеллекта.
Fhenix: как решение уровня 2 для Ethereum, оно поддерживает накопительные пакеты FHE и сопроцессоры FHE, совместимо с EVM и поддерживает смарт-контракты, написанные на Solidity.
Будучи передовой технологией, способной выполнять вычисления с зашифрованными данными, FHE имеет значительные преимущества в защите конфиденциальности данных. Хотя текущие коммерческие приложения FHE по-прежнему сталкиваются с проблемами высоких вычислительных затрат и плохой масштабируемости, ожидается, что эти проблемы будут постепенно решены за счет аппаратного ускорения и оптимизации алгоритмов. Кроме того, с развитием технологии блокчейна FHE будет играть все более важную роль в защите конфиденциальности и безопасных вычислениях. В будущем FHE, вероятно, станет основной технологией, поддерживающей вычисления, сохраняющие конфиденциальность, и принесет новые революционные прорывы в области безопасности данных.
Платформа инвестиционных возможностей TrendX-No.1 Web3 опирается на ведущую в отрасли технологию анализа искусственного интеллекта, а также технологию отслеживания тенденций внутри и вне цепочки для анализа десятков миллиардов динамики данных в режиме реального времени, выявления инвестиционных возможностей и предоставления пользователям инвестиционных советов. посредством интуитивного взаимодействия, придерживаясь концепции «изменения – это возможности», и стремится стать предпочтительной инвестиционной платформой Web3 для пользователей.
Веб-сайт: https://app.trendx.tech/
Твиттер: https://twitter.com/TrendX_tech
Инвестиции рискованны, проект предназначен только для справки, риск несете на свой страх и риск.
Все комментарии