FHE( mã hóa toàn phần ) là một công nghệ mã hóa tiên tiến, có thể thực hiện tính toán trực tiếp trên dữ liệu được mã hóa, từ đó xử lý dữ liệu trong khi bảo vệ quyền riêng tư. FHE có tiềm năng ứng dụng trong nhiều lĩnh vực như tài chính, y tế, điện toán đám mây, và học máy, nhưng do chi phí tính toán và bộ nhớ lớn của nó, việc thương mại hóa hiện tại vẫn cần thời gian.
Nguyên lý cơ bản
Cốt lõi của FHE là ẩn thông tin gốc thông qua đa thức. Quá trình mã hóa sẽ sử dụng đa thức khóa, đa thức ngẫu nhiên và một đa thức "nhiễu" nhỏ. Việc giải mã cần biết đa thức khóa.
Để thực hiện tính toán trên dữ liệu mã hóa, FHE chuyển đổi các phép toán thành "mạch". Phép cộng và phép nhân tạo thành các phép toán cơ bản, có thể biểu diễn bất kỳ tính toán nào. Nhưng mỗi phép toán đều làm tăng độ ồn, đặc biệt là phép nhân sẽ dẫn đến sự gia tăng độ ồn theo cấp số nhân, điều này hạn chế độ sâu của tính toán.
Để giải quyết vấn đề tiếng ồn, FHE đã sử dụng các công nghệ sau:
Chuyển đổi khóa: Giảm kích thước văn bản mã hóa
Chuyển đổi mô-đun: Giảm ngân sách tiếng ồn
tự khởi động ( Bootstrap ): đặt lại tiếng ồn về mức ban đầu
Hiện nay, các phương án FHE chính thống đều sử dụng công nghệ Bootstrap, nhưng chi phí tính toán vẫn còn rất lớn. So với tính toán thông thường, tính toán FHE có thể chậm hơn 5 tỷ lần.
Thách thức phải đối mặt
Thách thức lớn nhất của FHE là chi phí tính toán khổng lồ. DARPA đã khởi động chương trình DPRIVE để cố gắng tăng tốc độ tính toán FHE lên 1/10 so với tính toán thông thường, nhưng tiến triển rất chậm.
Các hướng cải tiến chính bao gồm:
Tăng độ dài từ xử lý
Phát triển bộ xử lý ASIC chuyên dụng
Xây dựng kiến trúc song song MIMD
Mặc dù công nghệ FHE phát triển chậm, nhưng nó vẫn có ý nghĩa quan trọng trong việc bảo vệ dữ liệu nhạy cảm, đặc biệt là trong kỷ nguyên hậu lượng tử.
Kết hợp blockchain
FHE chủ yếu được sử dụng trong blockchain để bảo vệ quyền riêng tư dữ liệu, bao gồm quyền riêng tư trên chuỗi, quyền riêng tư dữ liệu đào tạo AI, quyền riêng tư bỏ phiếu trên chuỗi, v.v. Tuy nhiên, giao dịch hoàn toàn mã hóa cũng sẽ mang lại những vấn đề mới, chẳng hạn như mất đi tác dụng tích cực của bot MEV, tăng đáng kể yêu cầu đối với nút.
Dự án chính
Các dự án FHE chính hiện nay bao gồm:
Zama: cung cấp khung phát triển dựa trên TFHE
Fhenix: Xây dựng Layer 2 ưu tiên quyền riêng tư
Privasea: dùng cho tính toán dữ liệu LLM
Inco Network: xây dựng FHE Layer 1
Mind Network: dùng để Restaking
Octra: áp dụng công nghệ hypergraphs để thực hiện FHE
Triển vọng
FHE vẫn đang ở giai đoạn đầu, đối mặt với nhiều thách thức. Tuy nhiên, với sự đầu tư nhiều hơn vào vốn và nhân tài, cũng như sự phát triển của các chip chuyên dụng, FHE có khả năng mang lại những biến đổi cho các lĩnh vực như tài chính, y tế trong tương lai. Sự kết hợp của nó với các công nghệ tiên tiến như tính toán lượng tử cũng rất đáng kỳ vọng.
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
Công nghệ FHE: thực hiện tính toán dữ liệu mã hóa đồng thời bảo vệ quyền riêng tư
FHE:Tính toán trực tiếp trên dữ liệu mã hóa
FHE( mã hóa toàn phần ) là một công nghệ mã hóa tiên tiến, có thể thực hiện tính toán trực tiếp trên dữ liệu được mã hóa, từ đó xử lý dữ liệu trong khi bảo vệ quyền riêng tư. FHE có tiềm năng ứng dụng trong nhiều lĩnh vực như tài chính, y tế, điện toán đám mây, và học máy, nhưng do chi phí tính toán và bộ nhớ lớn của nó, việc thương mại hóa hiện tại vẫn cần thời gian.
Nguyên lý cơ bản
Cốt lõi của FHE là ẩn thông tin gốc thông qua đa thức. Quá trình mã hóa sẽ sử dụng đa thức khóa, đa thức ngẫu nhiên và một đa thức "nhiễu" nhỏ. Việc giải mã cần biết đa thức khóa.
Để thực hiện tính toán trên dữ liệu mã hóa, FHE chuyển đổi các phép toán thành "mạch". Phép cộng và phép nhân tạo thành các phép toán cơ bản, có thể biểu diễn bất kỳ tính toán nào. Nhưng mỗi phép toán đều làm tăng độ ồn, đặc biệt là phép nhân sẽ dẫn đến sự gia tăng độ ồn theo cấp số nhân, điều này hạn chế độ sâu của tính toán.
Để giải quyết vấn đề tiếng ồn, FHE đã sử dụng các công nghệ sau:
Hiện nay, các phương án FHE chính thống đều sử dụng công nghệ Bootstrap, nhưng chi phí tính toán vẫn còn rất lớn. So với tính toán thông thường, tính toán FHE có thể chậm hơn 5 tỷ lần.
Thách thức phải đối mặt
Thách thức lớn nhất của FHE là chi phí tính toán khổng lồ. DARPA đã khởi động chương trình DPRIVE để cố gắng tăng tốc độ tính toán FHE lên 1/10 so với tính toán thông thường, nhưng tiến triển rất chậm.
Các hướng cải tiến chính bao gồm:
Mặc dù công nghệ FHE phát triển chậm, nhưng nó vẫn có ý nghĩa quan trọng trong việc bảo vệ dữ liệu nhạy cảm, đặc biệt là trong kỷ nguyên hậu lượng tử.
Kết hợp blockchain
FHE chủ yếu được sử dụng trong blockchain để bảo vệ quyền riêng tư dữ liệu, bao gồm quyền riêng tư trên chuỗi, quyền riêng tư dữ liệu đào tạo AI, quyền riêng tư bỏ phiếu trên chuỗi, v.v. Tuy nhiên, giao dịch hoàn toàn mã hóa cũng sẽ mang lại những vấn đề mới, chẳng hạn như mất đi tác dụng tích cực của bot MEV, tăng đáng kể yêu cầu đối với nút.
Dự án chính
Các dự án FHE chính hiện nay bao gồm:
Triển vọng
FHE vẫn đang ở giai đoạn đầu, đối mặt với nhiều thách thức. Tuy nhiên, với sự đầu tư nhiều hơn vào vốn và nhân tài, cũng như sự phát triển của các chip chuyên dụng, FHE có khả năng mang lại những biến đổi cho các lĩnh vực như tài chính, y tế trong tương lai. Sự kết hợp của nó với các công nghệ tiên tiến như tính toán lượng tử cũng rất đáng kỳ vọng.