最近のブロックチェーン業界における完全同型暗号化の急激な台頭を説明する元のタイトルを転送する

完全同型暗号化（FHE）の紹介：そのエキサイティングな応用、制限、および人気を高める最近の開発の探究。

初めて「完全同型暗号化」（FHE）について聞いたとき、私はブロックチェーン空間が流行の概念に長い名前を割り当てる傾向について疑問に思いました。これまでに業界を席巻した言葉がいくつかあり、最近のものは「ゼロ知識証明」（ZKPs）です。

いくつかの調査と新しい企業がFHEを用いた製品を開発することを探ってみた後、私は輝かしい新しいツール群で満ちた未来を見つけました。今後の数ヶ月や数年で、FHEはZKPsのように業界を席巻する次世代の大きなテクノロジーになるかもしれません。

企業は、暗号技術やクラウドコンピューティングのさまざまな分野での最近の進歩を活用し、強力なデータプライバシーを保護する未来への道を切り拓いています。重要なのは、そこに到達するかどうかではなく、いつ到達するかです。私は、完全同型暗号（FHE）がデータプライバシーやデータの所有権を進展させるための重要な触媒となり得ると信じています。

今後数週間で、FHEについてさらに学び、その限界、可能性、応用について調査に没頭します。FHEを取り巻く対話のさまざまな側面を検討した一連の記事で研究結果を共有します。今週は、この技術を紹介し、なぜ最近注目されているのかについて議論します。業界の多くの人々が話題にしています。Multicoin CapitalのKyle Samani、と述べました:

「FHEは暗号学の聖杯です。時間の経過とともに、FHEはWeb2およびWeb3のすべてのコンピューティングの構造を変えていくでしょう。」

ホモモーフィズムとは何ですか？

部屋の中の象に対処する際、賢明なスタートは「同型」という言葉の意味を理解することから始めることです。その起源をたどると、同型性は数学に由来し、定義された同じタイプの2つの代数的構造の間のマップとして、それらの間でコアコンポーネントを保持するもの

私のようにより実践的な定義を好む場合、数学の背後にある原則は、2つのグループが同一である必要はなくても、同じ核心的な特性を持つことができるということです。例えば、異なるグループに対応する果物の箱が2つあると想像してください。

ボックスAには小さい果物が含まれています。
ボックスBには大きなサイズの果物が入っています。

個々の果物のサイズは異なりますが、小さなリンゴとオレンジをボックスAで一緒に絞ると、大きなリンゴとオレンジをボックスBで一緒に絞るのと同じ味の混合ジュースができます。同じ味を出すために果物を絞ることは、両方のボックスの間で核となるコンポーネントを保存することに類似しています。同一の味が主な関心事であると仮定すると、果物を絞るボックスはどちらでも問題ありません。大きさや量が焦点ではないためです。両方のグループは（味という点で）同等であるため、それらの間の違い（サイズや量）は、特定のフルーツジュースの味を生産するという主要な機能に影響を与えません。

同型暗号化との類似性を描くと、その2つの主要な特徴を捉えています。

1. マッピング：果物との対応関係を確立します。Box Aの各小さな果物がBox Bの大きなバージョンに対応しています。つまり、Box Aの小さなリンゴはBox Bの大きなリンゴに対応しており、以降同様です。
2. 運用の保存：ボックスAで2つの小さなフルーツを絞ると特定の味が得られる場合、対応する大きなバージョンをボックスBで絞ると同じ味が得られるはずです。ジュースのサイズや量に違いがあっても、「味の特性」は保たれます。

Fully Homomorphic Encryptionとは何ですか？

この記事の中心的なトピックに戻すと、完全同型暗号化（FHE）は、特定のデータ暗号化方法であり、人々が元のデータを公開せずに暗号化されたデータ上で計算を行うことを可能にするものです。理論的には、暗号化されたデータ上で行われる解析や計算は、元のデータ上で行われるものと同じ結果を生み出すはずです。FHEにより、暗号化されたデータセット内のデータと元のデータセット内のデータに1：1の対応関係を確立します。この場合、核となるコンポーネントの保存とは、いずれかのセットのデータに対して任意の計算を行い、同じ結果を得る能力です。

ちなみに、多くの企業は、ユーザーデータを保護し、差分プライバシーを維持するための予防策をすでに講じています。企業がクラウドやデータベースにデータを暗号化されていない生の形式で保存することはめったにありません。したがって、攻撃者が企業のサーバーを制御したとしても、データを読み取ってアクセスするために暗号化をバイパスする必要があります。しかし、データが暗号化され、使用されていない状態で放置されているだけでは、データは面白くありません。企業がデータを分析して貴重な洞察を導き出したい場合、そのためにデータを復号化する以外に選択肢はありません。復号化されると、データは脆弱になります。ただし、エンドツーエンドの暗号化により、データを分析するために復号化する必要がなくなるため、FHEは非常に便利になります。これは、可能なことのほんの一部にすぎません。

企業がまず最初に私たちの個人情報を読んで保存することを許可すべきかどうかは重要な考慮事項です。これに対する多くの標準的な回答は、企業は私たちのデータを見る必要があるため、より良いサービスを提供するためです。

YouTubeが私の視聴履歴や検索履歴などのデータを保存しない場合、アルゴリズムは最大限に機能せず、私が興味を持つ動画を表示することができません。このため、多くの人々がデータプライバシーとより良いサービスの間のトレードオフを考える価値があると考えてきました。ただし、FHEを使用すると、このトレードオフをする必要がなくなります。YouTubeのような企業は、暗号化されたデータでアルゴリズムをトレーニングし、データプライバシーを侵害することなくエンドユーザーに同一の結果を提供することができます。具体的には、視聴履歴や検索履歴などの情報を同型暗号化し、暗号化されているため見ることなく分析し、その分析に基づいて私が興味を持つ動画を表示することができます。

FHEは、私たちのデータがもはや組織に自由に提供する妥協をする貴重な商品ではない未来を構築する重要な一歩です。

完全同型暗号化の応用

完全同型暗号化（FHE）が正しく適用されると、ユーザーデータを保存するすべてのセクターにとっての画期的な技術です。データプライバシーに対する私たちの全体的な態度や、企業による許容できる侵害の限界を変革する可能性があります。

まず、FHEがデータプラクティスをどのようにリフォームできるかを調査してみましょう医療産業多くの病院は、倫理的および法的な理由から機密性を保持する必要がある患者の個人情報をデータベースに保管しています。しかし、この情報は、病気や潜在的な治療法に関する重要な洞察を得るためにこのデータを分析できる外部の医学研究者にとって貴重です。研究を遅らせている主な障害の1つは、患者データを研究者に委託する際の完全な機密性の維持です。患者の記録を匿名化または疑似化する方法は多くありますが、それらは完璧ではなく、誰かについて多くの情報を明らかにしすぎて特定可能にすることもあれば、症例について十分な情報を提供せず、病気に関する正確な洞察を得ることが難しくなることもあります。

FHEを使用すると、病院は患者データを同型暗号化でき、クラウド上で患者のプライバシー保護を容易にすることができます。医学研究者は、暗号化されたデータ上で計算を実行し、分析機能を実行でき、患者のプライバシーを損なうことなく行うことができます。暗号化されたデータと元のデータの間には1：1のマッピングがあるため、暗号化されたデータセットから得られる結果は、実際のケースに適用できる実際の洞察を提供します。FHEは医療業界の進歩を急速に加速させる可能性があります。

FHEのもう1つの興奮する応用は、人工知能（AI）のトレーニングです。現在、AIセクターはプライバシーの懸念に直面しており、これはAIアルゴリズムを洗練させるために不可欠な多くの拡張データセットにアクセスすることを企業に妨げています。 AIをトレーニングする企業は、限られた公開データセットを使用するか、多額のお金を支払ってプライベートデータセットを購入するか、またはユーザーが少ない小規模企業にとって困難なデータセットを作成するかを選択する必要があります。FHEは、この市場に参入する多くのデータセットプロバイダーを妨げているプライバシーの懸念に対処すべきです。したがって、FHEの改善は、AIをトレーニングするために利用可能なデータセットの数の増加につながる可能性が高いです。これにより、AIのトレーニングが財政的にアクセスしやすく、利用可能なデータセットの多様化が増加することが考えられます。

完全同型暗号化における過去の制約

完全同型暗号化（FHE）が現代のビッグデータを変革すると約束しているなら、なぜまだそれを実際に活用している例をあまり見ていないのでしょうか？

FHEは何年もの間人々が議論し研究してきたトピックでしたが、実際にFHEを実装することは非常に困難です。最大の課題はFHEを実行するために必要な計算能力にあります。完全に同型暗号化されたデータセットは、生データ形式と同じ解析結果を生成することができます。これは困難な偉業であり、多くの場合、既存のコンピュータに実装するのは非現実的です。生データでは通常数秒かかる操作でも、同型暗号化されたデータセットでは数時間または数日かかることがあります。この計算上の課題は、FHEプロジェクトを先送りしているエンジニアが多く、その結果、開発が遅れ、その利点の完全な実現が制約されるという自己持続サイクルを生み出しています。

FHEに直面するエンジニアが直面する計算問題の具体的な例は、「ノイズエラー'同型暗号化されたデータセットで計算を行う際、多くのエンジニアが、計算を行うたびに余分なノイズやエラーが発生するという問題に直面してきました。数回の計算だけなら許容範囲ですが、複数回の分析を行うと、ノイズが顕著になり、元のデータが理解不能になることがあります。データは事実上失われてしまいます。

なぜ今?

ライク@matthewdwhiteジェネラティブAIの簡単な歴史-cb1837e67106"で述べたように、ジェネラティブAIは以前は限定され原始的と見なされていましたが、主流となる前に、完全同型暗号化(FHE)は同様の進歩の軌道に乗っています。ブロックチェーン空間を超えて広がる多くの業界リーダーがFHEに対する重要な研究開発を組織してきました。これにより、最近いくつかの業界の動きが生まれ、この技術の進歩に関する説得力のある物語が展開されています。

DPRIVEプログラム

2021年3月、マイクロソフト、インテル、国防高等研究計画局（DARPA）は、共同で展開することに同意しました。複数年プログラムFully Homomorphic Encryption (FHE)の開発を加速させるために。仮想環境での Named Data Protection（DPRIVE）は、FHEにとって重要な進展を示しています。クラウドコンピューティングとコンピュータハードウェアに特化した2つの業界巨人が、データプライバシーに取り組むために結集しました。彼らはこのプログラムを開始し、FHEの計算速度を管理し、正確なFHEの実装のためのガイドラインを確立し、不正な使用から生じるデータ漏洩に対する保護を行うためのコンピュータおよびソフトウェアの構築を行いました。

DPRIVEプログラムの一環として、エンジニアは、以前に言及した「ノイズエラー」を軽減する作業に取り組んでおり、ノイズを軽減して生データを維持するレベルまで低減する方法を探索しています。有望な解決策は、設計することです。大きな算術ワードサイズ(LAWS)データ表現。従来のコンピュータプロセッサ（CPU）は通常、64ビットワードを使用しますが、エンジニアはLAWSで1024ビット以上のワードを処理できる新しいハードウェアを開発しています。このアプローチは効果的であり、研究によると、より長いワードは信号対雑音比に直接影響を与えます。単純に言えば、FHEにおいて、より長いワードは、データ損失しきい値に到達する前に実行できる計算が増えるため、各追加の計算ステップごとにより少ないノイズを生成します。これらの課題に取り組むために新しいハードウェアを構築することで、DPRIVEプログラムに関与するエンジニアは、FHEを実行するために必要な計算負荷を大幅に削減します。

計算を高速化し、FHEを100,000倍速くするという目標に近づくため、DPRIVEチームは、従来の処理およびグラフィックユニットの能力を上回る新しいデータ処理システムを設計する継続的な旅に乗り出しました。彼らは新しい複数命令複数データ同時に多数の命令とデータセットを管理できる(MIMD)システム。MIMDは、高速でリアルタイムなFHEの計算に必要なトラフィックを収容するために既存の設備の整っていない道路を使用する代わりに、新しいスーパーハイウェイを構築することに似ています。

DPRIVEプログラムの興味深い点は、その広範な使用です。並列性コンピュータの数学計算における'同型暗号化'。これにより、開発者は複数の大きな数値計算を同時に実行できます。並列処理は、一度に複数の数学者を展開して、お互いに仕事を続けるのではなく、巨大な数学問題の異なる部分に取り組むようにすることと考えることができます。複数の計算を同時に実行することは迅速な問題解決を促進しますが、コンピュータは過熱を防ぐために空冷されていなければなりません。

2022年9月、プログラムの開始から1年半以上が経過した後、Microsoft、Intel、およびDARPA発表されました彼らはDPRIVEプログラムの第1フェーズを成功裏に完了しました。現在、DPRIVEの第2フェーズに取り組んでいます。

SDKsとオープンソースのライブラリ

多くの大手企業が完全同型暗号化（FHE）の先駆的な進化を推進しているため、開発者がお互いの作業を活用するためのソフトウェア開発キット（SDK）やオープンソースライブラリの利用が急増しています。

マイクロソフト発表されましたMicrosoft Sealのリリースは、開発者にデータセットで同型暗号化を実行するためのツールを提供するオープンソースライブラリです。これにより、エンドツーエンドの暗号化と計算サービスへのアクセスが民主化され、より多くの開発者がFHEを探求できるようになります。このライブラリには、同型暗号化されたプログラムの例と、詳細な解説が付属しており、開発者が正しく安全に使用するためのガイドとなっています。

Intelも発売されました独自の同型暗号化ツールキットを備え、開発者向けにクラウドでより高速な同型暗号化を可能にするツールを提供しています。Intelはこのツールキットを柔軟に設計し、最新のデータ処理とコンピューティングの進化との互換性を確保しています。格子暗号学向けに特化した専門機能、Microsoft Sealとのシームレスな操作のための統合、同型暗号化されたスキームのサンプル、およびユーザーをガイドする技術文書が含まれています。

Googleのプライベートジョインアンドコンピュートオープンソースライブラリは、開発者に多者間計算（MPC）ツールを提供します。この計算方法により、当事者は異なるデータセットを組み合わせることで共有の洞察を得ることができ、お互いの生データを公開することなく行うことができます。Private Join and Computeは、FHEの暗号技術とPrivate Set Intersection（PSI）を統合し、データの機密性を最適化します。PSIは、異なるデータセットを持つ当事者が、データを公開することなく共通の要素やデータポイントを特定することができる別の暗号技術です。Googleのデータプライバシーに対するアプローチは、FHEに焦点を当てるだけでなく、FHEを他の影響力のあるデータプラクティスと統合することで、より広範なMPCの概念に優先順位を付けています。

信頼性の高いFHEのオープンソースライブラリの利用可能性の向上は注目に値します。しかし、これらのライブラリを自社の運用で実験している信頼性の高い企業を観察すると、さらに興味深いものになります。2021年4月、資本市場のための世界的なテクノロジーエンティティである名門証券取引所であるNasdaqがこれらのライブラリを実験しているのを目撃しました。組み込まれたNasdaqは、同型暗号化を使用して、機密情報を含むデータセット内の貴重な洞察と潜在的な不正行為を特定することで、金融犯罪に取り組んできました。IntelのFHEツールと高速プロセッサを活用して、Nasdaqは反マネーロンダリング活動や詐欺検出を通じて、金融犯罪に取り組んできました。

最近の資本調達

先述の企業による研究開発に加えて、最近、完全同型暗号化（FHE）に焦点を当てた取り組みに対する大規模な資金調達を確保した他のいくつかの企業もあります。

Cornami大手テクノロジー企業は、スケーラブルなクラウドコンピューティング技術の先駆けとして称賛されており、同型暗号化に特化した技術の開発に取り組んでいます。彼らは、従来のCPUよりも効果的にFHEをサポートするコンピューティングシステムを作成するための数々の取り組みに従事しています。また、量子コンピューティングによる脅威から暗号化されたデータを保護するための取り組みも行っています。2022年5月、Cornamiは、Gate.発表されました成功したシリーズCの資金調達ラウンドで、ソフトバンクをリードし、総調達資本額を1億5000万ドルに引き上げました。

Zamaは、ブロックチェーン業界の別の企業で、開発者がFHE、ブロックチェーン、AIを利用してエキサイティングなアプリケーションを構築できるオープンソースの同型暗号化ツールを構築しています。Zamaは、その製品提供の一環としてFully Homomorphic Ethereum Virtual Machine（fhEVM）を構築しました。このスマートコントラクトプロトコルにより、オンチェーンのトランザクションデータを処理中に暗号化したままにすることが可能です。Zamaのライブラリを使用してさまざまなアプリケーションを探索する開発者たちは、複雑なユースケースでもパフォーマンスに感銘を受けています。Zama 成功裏に閉じました2022年2月にProtocol Labsが主導する4200万ドルのシリーズA資金調達ラウンドを行い、これにより総調達資本額は5000万ドルに達しました。

FhenixブロックチェーンにFHEをもたらしている新興プロジェクトの一つです。彼らの目標は、機密支払いを超えてFHEアプリケーションを拡大し、エキサイティングな可能性を切り拓くことです。ユースケース分散型ファイナンス（DeFi）、ブリッジング、ガバナンス投票、およびWeb3ゲームなどの分野でのFHEの利用について語る中で、2023年9月、Fhenix発表されました7,000万ドルのシード資金調達ラウンドを終了し、Multicoin CapitalとCollider Venturesをリードした。

次は何ですか？

長年、Fully Homomorphic Encryption（FHE）は堅牢なエンドツーエンドの暗号化を約束し、強力なデータプライバシーの未来を予告するアイディアとして滞在していました。最近の進展は、FHEを理論的な夢から実用的な現実へとシフトし始めています。さまざまな企業が最初の堅牢で完全な機能を備えたFHEの実装を先導するために競っていますが、多くの企業がこの手ごわい技術の複雑さを共同で航行するために協力しています。この協力的な精神は、さまざまなクロスチームプログラムの実装や他のライブラリと統合されるオープンソースライブラリの開発を通じて明らかです。

私の調査に基づくと、FHEに関する議論は広範囲にわたるようです。今後数週間、FHEに関する研究からのさらなる洞察を共有することに興奮しています。具体的には、次のようなトピックについてさらに探求したいと考えています:

• FHEの新興アプリケーション。
• ゼロ知識証明（ZKPs）とFHEの間の相互作用。
• 秘密共有インターセクション（PSI）と組み合わせてFHEを統合し、安全な多者間計算（MPC）を進化させる。
• FHEの開発を先駆けるZamaやFhenixなどの新しい企業。
  

引用:

Arampatzis, Anastasios. “Homomorphic Encryptionの最新の進展.” Venafi, 2022年2月1日。venafi.com/blog/what-are-latest-developments-Homomorphic Encryption-ask-experts/.

Arampatzis, Anastasios. “Homomorphic Encryptionとは何ですか？どのように使用されていますか。” Venafi、2023年4月28日。venafi.com/blog/同型暗号化-what-it-and-how-it-used/.

「連続データ保護を可能にするハードウェアの構築。」DARPA、2020年3月2日、www.darpa.mil/news-events/2020-03-02.

Cristobal, Samuel. “Fully Homomorphic Encryption: The Holy Grail of Cryptography.” Datascience.Aero, 7 Jan. 2021, datascience.aero/fully-homomorphic-encryption-the-holy-grail-of-cryptography/.

“同型暗号化：それは何であり、なぜ重要なのか？”インターネット協会、2023年3月9日www.internetsociety.org/resources/doc/2023/homomorphic-encryption/.

Hunt, James. “FHENIX Raises $7 Million in Seed Round Led by Multicoin Capital.” The Block、The Block、2023年9月26日、www.theblock.co/post/252931/fhenix-seed-multicoin-capital.

「Intel® Homomorphic Encryption Toolkit.」インテル、www.intel.com/content/www/us/ja/developer/tools/同型暗号化/overview.html#gs.fu55im.2023年10月8日にアクセスしました。

“Intel to Collaborate With Microsoft on DARPA PROGRAM.” Intel, 8 Mar. 2021, www.intel.com/content/www/us/en/newsroom/news/intel-collaborate-microsoft-darpa-program.html#gs.ftusxq.

“Intel XeonがNASDAQの同型暗号化R&Dを進展させる。” Intel、2021年4月6日、www.intel.com/content/www/us/ja/newsroom/news/xeon-advances-nasdaqs-homomorphic-encryption-rd.html#gs.6mpgme.

Johnson, Rick. “Intel Completes DARPA DPRIVE Phase One Milestone for a Fully 同型暗号化 Platform.” Intel, 14 Sept. 2022, community.intel.com/t5/Blogs/Products-and-Solutions/HPC/Intel-Completes-DARPA-DPRIVE-Phase-One-Milestone-for-a-Fully/post/1411021.

「Microsoft Seal:高速かつ使いやすい同型暗号化ライブラリ。」マイクロソフトリサーチ、2023年1月4日。www.microsoft.com/en-us/research/project/microsoft-seal/.

Paillier, Dr. Pascal. “Fully Homomorphic Encryption: The Holy Grail of Cryptography.” Business Age, 9 Mar. 2023, www.businessage.com/post/完全同型暗号化-暗号学の聖杯

Samani, Kyle. “The Dawn of On-Chain FHE.” Multicoin Capital, 26 Sept. 2023, multicoin.capital/2023/09/26/the-dawn-of-on-chain-fhe/.

ウォーカー、アマンダ、他。「組織がより多くのデータを収集せずにより多くのことを行うのを支援する方法」。Google Online Security Blog、2019年6月19日、security.googleblog.com/2019/06/helping-organizations-do-more-without-collecting-more-data.html.

「完全ホモモーフィック暗号化とは何ですか？」Inpher、2021年4月11日、inpher.io/technology/what-is-fully-homomorphic-encryption/.

White, Matt. "A Brief History of Generative AI"(ジェネレーティブAIの簡単な歴史)Medium、2023年7月8日、matthewdwhite.medium.com/a-brief-history-of-generative-ai-cb1837e67106#:~:text=Although%20most%20people%20will%20admit,of%20Stability%20AI's%20Stable%20Diffusion。

免責事項：

1. この記事は[から転載されました@mustafa.hourani/explaining-the-recent-rise-of-fully-homomorphic-encryption-in-the-blockchain-industry-c7081fa05458">Medium]. 元のタイトル「ブロックチェーン業界における完全同型暗号化の最近の台頭を説明する」を転送します。すべての著作権は元の著者[Mustafa Hourani]に帰属します. If there are objections to this reprint, please contact the Gate Learnチームは速やかに対応します。
2. 責任の免除: 本文に表現されている意見は、著者個人のものであり、投資アドバイスを構成するものではありません。
3. 記事の翻訳はGate Learnチームによって行われます。特に言及されていない限り、翻訳された記事のコピー、配布、または盗用は禁止されています。