Encaminhar o Título Original 'Explicando a Recente Ascensão da Encriptação Homomórfica Total na Indústria Blockchain'

Apresentando a Criptografia Homomórfica Total (FHE): Uma exploração de suas empolgantes aplicações, limitações e recentes desenvolvimentos que impulsionam sua popularidade.

Quando ouvi falar pela primeira vez sobre 'Encriptação Homomórfica Total' (FHE), fiquei pensando sobre a tendência do espaço blockchain de atribuir nomes longos a conceitos da moda. Já encontramos uma boa quantidade de buzzwords que conquistaram a indústria ao longo dos anos, sendo a mais recente 'provas de conhecimento zero' (ZKPs).

Depois de cavar e explorar as novas empresas que constroem produtos com Encriptação homomórfica, notei um horizonte repleto de uma brilhante nova suíte de ferramentas. Nos próximos meses e anos, a Encriptação homomórfica pode ser a próxima grande tecnologia a dominar a indústria, assim como as Provas de Conhecimento Zero fizeram.

As empresas estão aproveitando os avanços recentes em várias áreas da criptografia e da computação em nuvem para abrir caminho para um futuro poderoso, preservando a privacidade dos dados. A questão não é se chegaremos lá, mas quando, e acredito que a Encriptação homomórfica (FHE) poderia ser um catalisador crucial para avançar a privacidade e a propriedade dos dados.

Nas próximas semanas, vou me dedicar a aprender mais sobre a Encriptação Homomórfica (FHE) e pesquisar suas limitações, potencial e aplicações. Compartilharei minhas descobertas em uma série de artigos que examinam diferentes aspectos do diálogo em torno da FHE. Esta semana, vou introduzir essa tecnologia e discutir por que recentemente tem chamado muita atenção. Muitas pessoas da indústria estão falando sobre isso, incluindo Kyle Samani da Multicoin Capital, que tinha isto a dizer:

"FHE é o Santo Graal da criptografia. Com o tempo, a FHE irá remodelar o tecido de toda a computação, tanto na web2 quanto na web3."

O que é Homomorfismo?

Abordando o elefante na sala, um começo sábio seria entender o que significa 'homomórfico'. Rastreando suas raízes, a homomorfia se origina da matemática e édefinidocomo um mapa entre duas estruturas algébricas do mesmo tipo que preserva um componente central entre elas.

Se você é como eu e prefere uma definição mais prática, um princípio subjacente por trás da matemática é que dois grupos não precisam ser idênticos para possuir as mesmas propriedades básicas. Por exemplo, imagine duas caixas de frutas, cada uma correspondendo a um grupo distinto:

A caixa A contém frutas de pequeno porte.
A caixa B contém frutas de grande porte.

Embora as frutas individuais difiram em tamanho, sujar uma maçã pequena e laranja juntas na Caixa A produz um suco misto com o mesmo sabor que sujar uma maçã grande e laranja juntas na Caixa B. Sujar as frutas para produzir o mesmo sabor é análogo à preservação de um componente central entre ambas as caixas. Supondo que o sabor idêntico seja nossa principal preocupação, não importa de qual caixa sumos as frutas, porque uma quantidade maior/menor de suco não é nosso foco. Os grupos são equivalentes onde importa (sabor) para que a diferença entre eles (tamanho e quantidade) não tenha impacto em sua função primária, que definimos como produzir um sabor específico de suco de fruta.

Estabelecendo um paralelo com a homomorfismo, capturamos suas duas principais características:

1. Mapeamento: Estabelecemos uma conexão entre as frutas, em que cada fruta pequena na Caixa A corresponde a uma versão maior na Caixa B. Assim, a pequena maçã na Caixa A corresponde à maçã grande na Caixa B, e assim por diante.
2. Preservação da Operação: Se extrair o suco de duas frutas pequenas na Caixa A resulta em um sabor específico, extrair suas versões maiores correspondentes na Caixa B deve resultar no mesmo sabor. O 'perfil de sabor' é preservado apesar das diferenças no tamanho e quantidade do suco obtido.

O que é Encriptação homomórfica total?

Atando isso de volta ao tópico central deste artigo, encriptação totalmente homomórfica(FHE) é um método específico de criptografia de dados que permite que as pessoas realizem cálculos com dados criptografados sem revelar os dados brutos. Teoricamente, a análise e os cálculos realizados nos dados criptografados devem produzir resultados idênticos aos realizados nos dados brutos. Com o FHE, estabelecemos uma conexão 1:1 entre dados no conjunto de dados criptografados correspondentes aos dados no conjunto de dados brutos. A preservação do componente central, nesse caso, é a capacidade de realizar qualquer cálculo nos dados de qualquer conjunto e produzir os mesmos resultados.

Para contextualização, muitas empresas já adotam medidas preventivas para proteger os dados do usuário e manter a privacidade diferencial. As empresas raramente armazenam dados na nuvem ou em seus bancos de dados de forma bruta, não criptografada. Portanto, mesmo que os atacantes controlem os servidores de uma empresa, eles ainda precisam contornar a criptografia para ler e acessar os dados. No entanto, os dados não são interessantes quando estão apenas lá, criptografados e não utilizados. Quando as empresas desejam realizar análises de dados para obter insights valiosos, elas não têm uma ótima opção senão descriptografar os dados para fazer isso. Ao serem descriptografados, os dados se tornam vulneráveis. No entanto, por meio da criptografia de ponta a ponta, a encriptação homomórfica se torna muito útil, pois não precisamos mais descriptografar os dados para analisá-los; isso é apenas a ponta do iceberg do que é possível.

Uma consideração crucial é se as empresas devem ser autorizadas a ler e armazenar nossas informações pessoais desde o início. A resposta padrão a isso por muitos tem sido que as empresas precisam ver nossos dados para nos fornecer melhores serviços.

Se o YouTube não armazena dados como meu histórico de visualização e pesquisa, o algoritmo não pode operar ao máximo e me mostrar os vídeos nos quais estou interessado. Por esse motivo, muitas pessoas consideraram que a compensação entre a privacidade dos dados e a obtenção de melhores serviços vale a pena. No entanto, com a Encriptação Homomórfica Total (FHE, na sigla em inglês), não precisamos mais fazer essa compensação. Empresas como o YouTube podem treinar seus algoritmos com dados criptografados e produzir resultados idênticos para o usuário final sem infringir a privacidade dos dados. Especificamente, elas podem encriptar de forma homomórfica informações como meu histórico de visualização e pesquisa, analisá-las sem olhar para elas, uma vez que estão criptografadas, e depois me mostrar os vídeos nos quais estou interessado com base na análise.

A EEH é um passo significativo em direção à construção de um futuro onde nossos dados não são mais uma mercadoria valiosa pela qual fazemos a compromisso de cedê-los livremente para as organizações.

Aplicações da Criptografia Totalmente Homomórfica

A Encriptação Homomórfica Total (FHE) aplicada corretamente é uma descoberta para todos os setores que armazenam dados do usuário. Estamos diante de uma tecnologia que poderia transformar nossa atitude inteira em relação à privacidade dos dados e os limites de intromissão aceitáveis pelas corporações.

Vamos começar examinando como a Encriptação homomórfica poderia remodelar as práticas de dados no setor de cuidados de saúdeMuitos hospitais possuem registros privados de pacientes armazenados em seus bancos de dados, que devem manter em sigilo por razões éticas e legais. No entanto, essas informações são valiosas para pesquisadores médicos externos que podem analisar esses dados para deduzir insights significativos sobre doenças e possíveis curas. Um grande obstáculo que está retardando a pesquisa é manter a total confidencialidade dos dados dos pacientes ao terceirizá-los para pesquisadores. Existem muitas maneiras de anonimizar ou pseudonimizar registros de pacientes. Ainda assim, elas são imperfeitas e podem revelar demais sobre alguém, tornando-os identificáveis, ou não revelar informações suficientes sobre seus casos, dificultando a obtenção de insights precisos sobre doenças.

Com a Encriptação homomórfica, os hospitais podem criptografar dados de pacientes de forma homomórfica, tornando a proteção da privacidade do paciente na nuvem mais fácil. Os pesquisadores médicos podem realizar cálculos e executar funções analíticas nos dados criptografados sem comprometer a privacidade dos pacientes. Como há um mapeamento 1:1 entre os dados criptografados e os dados brutos, os resultados obtidos a partir do conjunto de dados criptografados fornecem insights reais que podem ser aplicados a casos reais. A Encriptação homomórfica poderia acelerar rapidamente os avanços na indústria de saúde.

Outra aplicação empolgante para a encriptação homomórfica (FHE) é o treinamento de Inteligência Artificial (IA). Atualmente, o setor de IA enfrenta preocupações com a privacidade, o que impede as empresas de acessar muitos conjuntos de dados expansivos essenciais para aprimorar algoritmos de IA. As empresas que treinam IA devem escolher entre usar conjuntos de dados públicos limitados, pagar muito dinheiro para comprar conjuntos de dados privados ou criar conjuntos de dados, o que é desafiador para empresas menores com menos usuários. A FHE deve abordar as preocupações com a privacidade que impedem muitos provedores de conjuntos de dados de entrar neste mercado. Portanto, melhorias na FHE provavelmente levarão a um aumento no número de conjuntos de dados disponíveis para treinar IA. Isso tornará o treinamento de IA mais acessível financeiramente e refinado, dada a maior diversificação de conjuntos de dados disponíveis.

Limitações Passadas na Criptografia Totalmente Homomórfica

Se a Criptografia Totalmente Homomórfica (FHE) realmente promete transformar os Dados Grandes da atualidade, por que ainda não vimos mais disso em ação?

Embora a Encriptação homomórfica seja um tema discutido e pesquisado há anos, a realidade é que implementar a Encriptação homomórfica na prática é muito difícil. O desafio central reside na potência computacional necessária para executar a Encriptação homomórfica. Um conjunto de dados totalmente homomorficamente seguro pode produzir resultados analíticos idênticos à sua forma de dados brutos. Isso é uma tarefa desafiadora e exige velocidades e capacidades de computação pesadas, muitas das quais são impraticáveis de implementar em computadores existentes. Uma operação que normalmente leva segundos em dados brutos pode levar horas ou dias em conjuntos de dados encriptados de forma homomórfica. Esse desafio computacional criou um ciclo auto-perpetuante onde muitos engenheiros estão adiando a realização de projetos de Encriptação homomórfica, consequentemente retardando seu desenvolvimento e restringindo a plena realização de seus benefícios.

Um exemplo específico de problema computacional que os engenheiros enfrentam com FHE é abordar o ‘erro de ruído’Ao realizar cálculos em conjuntos de dados encriptados de forma homomórfica, muitos engenheiros têm enfrentado situações em que ruídos ou erros são produzidos a cada cálculo realizado. Isso é tolerável quando apenas um par de cálculos é necessário, mas após várias análises, o ruído pode se tornar tão proeminente que os dados originais se tornam incompreensíveis. Os dados se perdem virtualmente.

Por que agora?

Como @matthewdwhite/a-brief-history-of-generative-ai-cb1837e67106">A IA generativa, antes considerada limitada e primitiva antes de se tornar mainstream, a Encriptação Homomórfica Total (FHE) está em uma trajetória em direção a um progresso semelhante. Muitos líderes da indústria, mesmo aqueles que se estendem além do espaço blockchain, se reuniram para organizar pesquisas e desenvolvimento intensivos na FHE. Isso levou a vários desenvolvimentos recentes na indústria, impulsionando uma narrativa convincente para o avanço dessa tecnologia.

Programa DPRIVE

Em março de 2021, a Microsoft, Intel e a Defense Advanced Research Projects Agency (DARPA) concordaram em lançar um programa plurianualpara acelerar o desenvolvimento da Criptografia Totalmente Homomórfica (FHE). Nomeada Proteção de Dados em Ambientes Virtuais (DPRIVE), este programa representou uma progressão substancial para a FHE. Ele destacou dois gigantes da indústria especializados em computação em nuvem e hardware de computador, unindo-se para abordar a privacidade de dados. Eles iniciaram este programa para construir computadores e software capazes de gerenciar velocidades de computação FHE e estabelecer diretrizes para implementação precisa da FHE, protegendo-se contra as violações de dados que podem surgir do uso incorreto.

Como parte do programa DPRIVE, os engenheiros assumiram a tarefa de mitigar o anteriormente mencionado 'erro de ruído' explorando métodos para reduzir o ruído a níveis que preservem os dados brutos. Uma solução promissora tem sido projetar Grande Tamanho da Palavra AritméticaRepresentações de dados (LAWS). Enquanto os processadores de computador convencionais (CPUs) geralmente usam palavras de 64 bits, os engenheiros estão desenvolvendo hardware inovador capaz de processar palavras de 1024 bits ou mais com LAWS. Esta abordagem tem sido eficaz porque a pesquisa indica que palavras mais longas influenciam diretamente a relação sinal-ruído. Simplificando, palavras mais longas geram menos ruído a cada passo computacional adicional em FHE, permitindo que mais cálculos sejam executados antes de atingir o limiar de perda de dados. Construindo novo hardware para enfrentar esses desafios, os engenheiros envolvidos no programa DPRIVE reduzem substancialmente a carga computacional necessária para executar FHE.

Para acelerar os cálculos e se aproximar do objetivo de tornar a Encriptação homomórfica 100.000 vezes mais rápida, a equipe DPRIVE embarcou em uma jornada contínua para projetar novos sistemas de processamento de dados que superam as capacidades das unidades de processamento e gráficos convencionais. Eles desenvolveram um novo Múltiplas Instruções Múltiplos Dados(MIMD) sistema capaz de gerenciar simultaneamente inúmeras instruções e conjuntos de dados. MIMD é análogo à construção de uma nova superestrada em vez de usar estradas existentes e mal equipadas para acomodar o tráfego necessário para cálculos rápidos e em tempo real de FHE.

O que é interessante sobre o programa DPRIVE é o seu amplo uso de ‘paralelismoIsso permite que os desenvolvedores realizem várias cálculos de números grandes simultaneamente. Você pode pensar no paralelismo como a implantação de um grupo de matemáticos para trabalhar em diferentes partes de um problema matemático gigante ao mesmo tempo, em vez de fazer com que cada um deles faça seus trabalhos um após o outro. Embora realizar vários cálculos simultaneamente facilite a resolução rápida de problemas, os computadores devem ser resfriados a ar para evitar superaquecimento.

Em setembro de 2022, mais de um ano e meio após o lançamento do programa, a Microsoft, a Intel e a DARPA anuncioueles haviam concluído com sucesso a Fase 1 do programa DPRIVE. Atualmente, estão em processo de realização da Fase 2 do DPRIVE.

SDKs e Bibliotecas de Código Aberto

Com inúmeras grandes corporações pioneiras em avanços na Encriptação Homomórfica Total (FHE), houve um aumento na disponibilidade de Kits de Desenvolvimento de Software (SDKs) e bibliotecas de código aberto que permitem aos desenvolvedores construir sobre o trabalho uns dos outros.

Microsoftanunciadoo lançamento do Microsoft Seal, uma biblioteca de código aberto que fornece aos desenvolvedores ferramentas para executar encriptação homomórfica em conjuntos de dados. Isso democratiza o acesso a serviços de encriptação de ponta a ponta e computação, permitindo que uma ampla gama de desenvolvedores explore FHE. A biblioteca fornece exemplos de programas encriptados de forma homomórfica, completos com comentários detalhados, para orientar os desenvolvedores quanto ao uso correto e seguro.

Intel tambémlançadosua própria Caixa de Ferramentas de Encriptação Homomórfica, oferecendo aos desenvolvedores ferramentas para facilitar uma encriptação homomórfica mais rápida na nuvem. A Intel projetou esta caixa de ferramentas de forma flexível, garantindo compatibilidade com os avanços mais recentes no processamento de dados e computação. Inclui funções especializadas adaptadas para criptografia em reticulado, integrações para operação perfeita com o Microsoft Seal, exemplos de esquemas encriptados homomorficamente e documentos técnicos para orientar os usuários.

Google’s Unir e calcular de forma privadaA biblioteca de código aberto fornece aos desenvolvedores ferramentas de computação multipartidária (MPC). Este método computacional permite que as partes obtenham insights compartilhados combinando seus diferentes conjuntos de dados sem expor seus dados brutos uns aos outros. O Private Join and Compute mescla as técnicas criptográficas do FHE com a Interseção Privada de Conjuntos (PSI) para otimizar as práticas de confidencialidade de dados. PSI, outro método criptográfico, permite que partes com conjuntos de dados distintos identifiquem elementos ou pontos de dados comuns sem revelar seus dados. A abordagem do Google para avançar a privacidade de dados não se concentra exclusivamente no FHE; prioriza o conceito mais amplo de MPC ao integrar o FHE com outras práticas de dados impactantes.

A crescente disponibilidade de bibliotecas de código aberto respeitáveis para Encriptação Homomórfica é notável. No entanto, torna-se ainda mais convincente ao observar empresas respeitáveis experimentando essas bibliotecas em suas operações. Em abril de 2021, a Nasdaq, uma renomada bolsa de valores e entidade global de tecnologia para mercados de capitais,incorporadoFHE em suas operações. Utilizando as ferramentas FHE da Intel e o processador de alta velocidade, a Nasdaq enfrentou crimes financeiros por meio de esforços de combate à lavagem de dinheiro e detecção de fraudes. Isso foi alcançado usando encriptação homomórfica para identificar insights valiosos e atividades potencialmente ilícitas em conjuntos de dados contendo informações sensíveis.

Captações de Capital Recentes

Além da pesquisa e desenvolvimento realizados pelas empresas mencionadas anteriormente, várias outras empresas recentemente garantiram rodadas substanciais de financiamento para iniciativas focadas na Encriptação Homomórfica Total (FHE)

Cornami, uma grande empresa de tecnologia, é celebrada por ser pioneira no desenvolvimento de tecnologia de computação em nuvem escalável projetada especificamente para encriptação homomórfica. Eles estão envolvidos em inúmeros empreendimentos para criar sistemas de computação que suportem FHE de forma mais eficaz do que as CPUs convencionais. Eles também lideram iniciativas voltadas para proteger dados criptografados contra ameaças apresentadas pela computação quântica. Em maio de 2022, Cornami anunciouuma bem-sucedida rodada de financiamento da Série C, garantindo $68 milhões liderados pela Softbank e elevando seu total de capital levantado para $150 milhões.

Zamaé outra empresa da indústria blockchain que está construindo ferramentas de encriptação homomórfica de código aberto que os desenvolvedores podem aproveitar para construir aplicações emocionantes usando FHE, blockchain e IA. A Zama construiu uma Máquina Virtual Ethereum Totalmente Homomórfica (fhEVM) como parte de suas ofertas de produtos. Esse protocolo de contrato inteligente permite que os dados de transação on-chain permaneçam criptografados durante o processamento. Os desenvolvedores que exploram várias aplicações com a biblioteca da Zama têm ficado impressionados com o desempenho, mesmo em casos de uso complexos. A Zama fechado com sucessosua rodada de financiamento da Série A de $42 milhões em fevereiro de 2022, liderada pela Protocol Labs, elevando seu total de capital levantado para $50 milhões.

Fhenixtambém é um projeto emergente que está trazendo a Encriptação homomórfica para o blockchain. Seu objetivo é estender as aplicações da Encriptação homomórfica além dos pagamentos confidenciais, abrindo portas para emocionantes casos de usode FHE em áreas como finanças descentralizadas (DeFi), interligação, votação de governança e jogos Web3. Em setembro de 2023, Fhenix anunciouo fechamento de sua rodada de financiamento Seed de $7 milhões, liderada pela Multicoin Capital e pela Collider Ventures.

O que vem a seguir?

Por anos, a Encriptação Homomórfica Total (FHE) permaneceu como uma ideia que prometia uma criptografia robusta de ponta a ponta, anunciando um futuro de forte privacidade de dados. Desenvolvimentos recentes estão começando a transformar a FHE de um sonho teórico para uma realidade prática. Embora várias empresas estejam competindo para serem pioneiras na implementação da primeira versão robusta e totalmente funcional da FHE, muitas estão colaborando para navegar pelas complexidades dessa tecnologia formidável em conjunto. Esse espírito colaborativo é evidente por meio da implementação de diversos programas interdisciplinares e o desenvolvimento de bibliotecas de código aberto que se integram a outras bibliotecas.

Com base em minhas descobertas, a discussão em torno da Encriptação homomórfica parece abrangente. Nas próximas semanas, estou animado para aprofundar, compartilhando mais insights da minha pesquisa sobre Encriptação homomórfica. Especificamente, estou ansioso para explorar mais sobre tópicos como:

• Aplicações emergentes de Encriptação homomórfica.
• A interação entre Provas de Conhecimento Zero (ZKPs) e Encriptação Totalmente Homomórfica (FHE).
• Integrando a Encriptação homomórfica com Interseção de Conjunto Privado (PSI) para avançar na Computação Segura de Multi-Partes (MPC).
• Novas empresas, como Zama e Fhenix, que estão liderando desenvolvimentos em Encriptação homomórfica.
  

Citações:

Arampatzis, Anastasios. "Últimos desenvolvimentos em criptografia homomórfica." Venafi, 1 Fev. 2022,venafi.com/blog/quais-são-os-últimos-desenvolvimentos-na-encriptação-homomórfica-pergunte-aos-especialistas/.

Arampatzis, Anastasios. "O que é Criptografia Homomórfica e Como é Utilizada." Venafi, 28 de abril de 2023,venafi.com/blog/Encriptação homomórfica-o-que-é-e-como-é-usada/.

“Construindo Hardware para Permitir Proteções de Dados Contínuas.” DARPA, 2 de março de 2020, 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/.

“Encriptação homomórfica: O que é e por que é importante?” Sociedade da Internet, 9 de mar. de 2023,www.internetsociety.org/resources/doc/2023/encriptação-homomórfica/.

Hunt, James. 'FHENIX Raises $7 Million in Seed Round Led by Multicoin Capital.' The Block, The Block, 26 Sept. 2023, www.theblock.co/post/252931/fhenix-seed-multicoin-capital.

“Intel® Kit de Criptografia Homomórfica.” Intel, www.intel.com/content/www/us/en/developer/tools/homomorphic-encryption/overview.html#gs.fu55im.Acessado em 8 de outubro de 2023.

“Intel para colaborar com a Microsoft no PROGRAMA DARPA.” Intel, 8 de março de 2021,www.intel.com/content/www/us/en/newsroom/news/intel-collaborate-microsoft-darpa-program.html#gs.ftusxq.

“Intel Xeon Avança na Pesquisa e Desenvolvimento de Encriptação Homomórfica da NASDAQ.” Intel, 6 de abril de 2021, www.intel.com/content/www/us/en/newsroom/news/xeon-advances-nasdaqs-homomorphic-encryption-rd.html#gs.6mpgme.

Johnson, Rick. "Intel Completes DARPA DPRIVE Phase One Milestone for a Fully Homomorphic Encryption 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.

“Selo da Microsoft: Biblioteca de Encriptação Homomórfica Rápida e Fácil de Usar.” Pesquisa da Microsoft, 4 Jan. 2023, 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/fully-homomorphic-encryption-o-santo-graal-da-criptografia

Samani, Kyle. "O Amanhecer do FHE On-Chain." Multicoin Capital, 26 de setembro de 2023, multicoin.capital/2023/09/26/the-dawn-of-on-chain-fhe/.

Walker, Amanda, et al. “Ajudando Organizações a Fazer Mais Sem Coletar Mais Dados.” Blog de Segurança Online do Google, 19 de junho de 2019,security.googleblog.com/2019/06/ajudando-organizacoes-a-fazer-mais-sem-coletar-mais-dados.html.

“O que é criptografia totalmente homomórfica?” Inpher, 11 de abril de 2021,inpher.io/technology/o-que-e-a-encriptacao-totalmente-homomorfica/.

White, Matt. "Uma Breve História da IA Generativa." Medium, 8 de julho de 2023, matthewdwhite.medium.com/uma-breve-historia-da-ia-generativa-cb1837e67106#:~:text=Embora%20a%20maioria%20das%20pessoas%20admita,da%20IA%20de%20Estabilidade%20Difusão%20Estável.

Isenção de responsabilidade:

1. Este artigo é reproduzido a partir de [@mustafa.hourani/explicando-o-recente-aumento-da-encriptação homomórfica total-na-indústria blockchain-c7081fa05458">Médio]. Encaminhe o Título Original 'Explicando o Recente Aumento da Encriptação Homomórfica Completa na Indústria Blockchain'. Todos os direitos autorais pertencem ao autor original [Mustafa Hourani]Se houver objeções a esta reimpressão, por favor entre em contato com o Portão Aprenderequipe e eles vão lidar com isso prontamente.
2. Isenção de responsabilidade: As opiniões expressas neste artigo são exclusivamente do autor e não constituem qualquer conselho de investimento.
3. As traduções do artigo para outros idiomas são feitas pela equipe Gate Learn. Salvo indicação em contrário, copiar, distribuir ou plagiar os artigos traduzidos é proibido.