편집자 주: FHE(완전 동형 암호화)는 암호 해독 없이 데이터를 처리할 수 있는 기술입니다. 즉, 기업은 사용자 데이터를 보지 않고도 서비스를 제공할 수 있으며 사용자는 기능상의 차이를 느끼지 못할 것입니다. 데이터는 전송 및 처리 중에 암호화되므로 네트워크 동작은 종단 간 암호화됩니다. 즉, FHE를 사용하면 신뢰할 수 없는 도메인에서 공유할 수 있고 계산을 수행하는 사람이 데이터를 읽을 수 없는 제로 트러스트를 더 잘 구현할 수 있습니다. ,
산업 컨셉
FHE 업계의 선두주자인 Zama는 최근 자사의 마스터 플랜에 관한 기사를 발표했습니다. 기사에서는 회사가 7,300만 달러를 성공적으로 모금했다고 발표했으며(평가액은 공개되지 않음) 종단간 암호화 네트워크 HTTPZ(Z는 제로 트러스트, 제로 트러스트를 의미)를 생성하려는 회사의 비전을 설명했습니다.
4세인 Zama는 FHE를 이론 수학에서 실제 코드로 발전시켜 개발자 접근성을 향상시키고 FHE의 응용 범위를 확장했습니다. 현재 Zama의 FHE 라이브러리 제품군은 다양한 산업 분야의 엔드투엔드 암호화 애플리케이션을 지원할 수 있으며 FHE 솔루션의 속도도 크게 향상시켰습니다. 기밀 스마트 계약 솔루션인 fhEVM의 출시로 블록체인 거래의 개인 정보 보호 문제를 해결합니다. Zama는 FHE가 개인 정보 보호 토큰 및 분산 ID(DID)를 포함한 블록체인 애플리케이션에 많은 잠재력을 가지고 있다고 믿으며 인공 지능에 대한 FHE의 애플리케이션이 미래에 더 넓은 영향을 미칠 것이라고 강조합니다.
Web3의 여러 FHE 빌더는 Zama의 목표를 공유하고 이를 현실화하기 위해 노력하고 있습니다.
이 기사에서는 FHE 트랙의 세 가지 인기 프로젝트인 Mind Network, Fhenix 및 Inco의 창립자들의 견해를 공유하고 이들이 Web3에서 엔드투엔드 암호화 네트워크를 구현하는 방법과 이 프로젝트가 사용자 방식을 근본적으로 변화시키는 이유를 설명합니다. 네트워크와 상호 작용하고 FHE의 응용 시나리오가 유망하다고 생각하는 이유.
Mind Network
Mind NetworkFHE를 기반으로 한 최초의 범용 재스테이킹 롤업 솔루션으로 EigenLayer 및 Ethereum 생태계에 대한 보안 컴퓨팅 및 합의를 제공합니다.
Crypto AI와 DePIN은 Web2 경쟁자를 물리치기 위해 여전히 몇 가지 어려운 문제를 해결해야 합니다. 암호화 AI에서 다른 검증인이 예측을 복제할 수 있는 경우 시스템은 의도적으로 계산량을 줄이지만 여전히 검증에 대한 토큰 보상을 획득하므로 네트워크 보안이 저하됩니다. 따라서 출력을 암호화하는 것이 중요합니다.
암호화폐 AI가 직면한 또 다른 과제는 분산형 검증 네트워크를 시작하는 방법입니다. EigenLayer는 이 문제에 대한 서비스를 시장에 제공하여 ETH 및 유동성 스테이킹 토큰을 통해 보안을 공유할 수 있도록 합니다. 그러나 동시에 인공 지능은 합의 계산 보안 및 데이터 보안에 대한 요구 사항이 더 높습니다. 이는 AI 시스템이 해결해야 할 또 다른 주요 과제입니다.
DePIN 문제에서 사용자는 특정 데이터를 제공하여 토큰 보상을 받지만 기기, 위치, 수입과 같은 중요한 데이터를 실수로 네트워크에 노출하기도 합니다. DePIN이 오늘날 IoT의 산업 표준이 된다면 Web3 사용자는 Web2 모델보다 개인 정보 보호 수준이 더 나빠질 것입니다. 이는 DePIN이 해결하고자 하는 핵심 과제입니다.
Mind Network는 위와 같은 문제를 해결하기 위한 솔루션을 제공합니다. Mind Network는 ZAMA와 협력하여 암호화된 데이터에 대해 검증 가능한 분산 컴퓨팅을 구현하고 FHE 기반 데이터 보안, 컴퓨팅 보안 및 합의 보안 솔루션을 제공하여 위에서 언급한 첫 번째 문제를 해결합니다. 둘째, Mind Network는 인공지능 컴퓨팅의 요구를 충족시키기 위해 EigenLayer의 합의 서비스를 확장하여 인공지능 네트워크의 핵심인 확률적 합의를 실현했으며, 이 솔루션을 통해 Restaker는 인공지능 네트워크의 더 많은 이점을 제공할 것입니다. 동시에 Mind Network는 Ethereum Foundation으로부터 보조금을 받은 Chainlink CCIP용 FHE 브리지 솔루션을 제공했습니다.
현재 Mind Network의 인공 지능 솔루션은 IO.Net, AIOZ, Nimble, AigentX, Chainlink, Connext 및 Akash와 같은 프로젝트에 맞는 예비 제품 시장에 도달했으며 Wallet이 참여하는 최신 테스트 네트워크 활동에서 600,000명 이상의 활성 사용자를 확보했습니다.
Fhenix
Ethereum은 처음부터 기밀성을 위해 데이터 무결성을 교환하기로 결정했습니다. 사용자는 금융 계좌를 정직하게 유지하는 등 시스템 규칙을 준수할 때 이더리움을 신뢰할 수 있습니다. 그러나 민감한 정보의 경우 사용자는 동일한 수준의 신뢰를 유지할 수 없습니다.
이러한 이분법은 Ethereum이 처리할 수 있는 사용 사례 유형을 크게 제한합니다. 사실 이더리움이 진정으로 발전하려면"Web3", 사용자는 이더리움이 현재 네트워크가 할 수 있는 일을 할 수 있을 뿐만 아니라 더 잘 할 수 있는지 확인해야 합니다. 포커 게임을 예로 들어 보겠습니다. 이더리움은 부정 행위를 하지 않을 것으로 여겨지지만 각 플레이어가 서로 카드를 숨기는 것을 허용할 수 없습니다. 이것이 가능하지 않으면 게임을 전혀 플레이할 수 없습니다.
온체인 기밀성 문제를 해결해야만 그러한 애플리케이션을 실현할 수 있으며, 이것이 바로 FHE가 등장하는 곳입니다. Fhenix는 Zama의 암호화 라이브러리를 사용하고 확장하여 FHE 보조 프로세서를 구축합니다. FHE 보조 프로세서는 애플리케이션이 민감한 데이터를 처리해야 하는 특정 계산을 아웃소싱할 수 있도록 하는 Ethereum(L1, L2 또는 L3)의 확장입니다. 예를 들어, DAO 거버넌스 메커니즘은 사람들이 자신의 투표를 암호화한 다음 보조 프로세서가 암호화된 데이터에 대해 투표를 집계하고 최종 결과만 공개하도록 하는 비공개 투표 메커니즘을 실행할 수 있습니다.
Fhenix의 FHE 보조 프로세서 기술은 경량 FHE 롤업 아키텍처를 기반으로 하여 확장성을 크게 향상시킵니다. 각 체인에 이러한 보조 프로세서가 장착되어 있다고 가정하면 수많은 새로운 응용 프로그램의 출현을 촉진할 수 있습니다. Fhenix는 이것이 10억 명 이상의 사용자가 암호화폐로 몰려드는 촉매제가 될 것이라고 믿습니다.
Inco
Inco는 EigenLayer를 통해 Ethereum으로 보호되는 EVM 기반 레이어 1 블록체인이며 FHE의 복잡성을 단순화하여 개발자가 가장 일반적으로 사용되는 스마트 계약 언어 Solidity 및 Metamask, Remix 및 Hardhat과 같은 Ethereum 생태계의 도구를 사용할 수 있도록 합니다. 20분 안에 기밀 DApp을 구축하세요.
또한 Celestia가 Ethereum 및 기타 블록체인에 데이터 가용성(DA)을 제공하는 방식과 유사하게 Inco는 기밀 저장, 계산 및 액세스 제어를 제공하여 기밀성을 확장하는 모듈식 기밀 컴퓨팅 네트워크 역할을 합니다. Ethereum 및 기타 공용 L1 및 L2.
예를 들어, 무신뢰 온체인 게임은 대부분의 핵심 로직이 Arbitrum에서 호스팅되는 Arbitrum에서 개발될 수 있으며, Inco는 숨겨진 정보(카드, 플레이어 상태 또는 리소스 등)를 저장하거나 개인 계산(결제 등)을 수행하는 데 전념합니다. , 투표 또는 스텔스 공격). Inco의 목표는 인터넷의 가치 계층에 기밀성을 부여하고 대량 채택의 다음 단계를 추진하는 것입니다.
끝으로 종료
창립자들은 종단 간 암호화된 네트워크가 네트워크의 가장 중요한 문제에 대한 유일한 잠재적 솔루션이라고 믿으며, 이 목표를 달성하는 데 4년이 걸릴 수도 있고 8년이 걸릴 수도 있습니다. 그러나 FHE가 구현한 제로 트러스트 인프라는 합리적이고 의무적인 개인 정보 보호와 거래 및 데이터에 대한 합의 보안을 제공하여 DePIN 및 분산형 인공 지능을 대중에게 제공하는 데 도움이 됩니다.
전망: 완전 동형 암호화의 의미
FHE(완전동형암호)는 암호화 기술입니다."성배", 또한 현대 시대의 개인 정보 보호 및 보안 요구 사항 충족의 핵심이기도 합니다. 그 기원은 1978년 Rivest, Adleman 및 Dertouzos가 처음 제안한 개념으로 거슬러 올라갑니다. 그러나 2009년이 되어서야 스탠포드 박사 후보인 Craig Gentry가 최초의 실행 가능한 FHE 솔루션을 제공한 획기적인 논문을 통해 이 비전을 실현했습니다.
이 기술을 사용하면 암호를 해독할 필요 없이 암호화된 데이터에 대해 복잡한 계산을 수행할 수 있으며, 분석 중에도 데이터가 안전하고 비공개로 유지되는 솔루션을 제공합니다. 이 프로세스는 공유 개인 상태 생성(공유 개인 상태 생성)으로 알려져 있습니다. 지난 몇 년 동안만 해도 FHE의 발전으로 효율성과 유용성이 크게 향상되어 FHE가 이론적 개념에서 안전한 데이터 처리를 위한 실용적인 도구로 옮겨졌습니다.
오늘날 FHE는 Web2 네트워크 보안의 최첨단 기술이 되었으며 클라우드 컴퓨팅 및 데이터 분석 분야에서 널리 사용됩니다. 이러한 영역에서는 귀중한 통찰력을 추출하는 능력을 저하시키지 않으면서 민감한 정보를 보호해야 합니다. Web2는 이미 엄격한 개인 정보 보호 기능을 갖추고 있으며 중앙 집중화되어 있음에도 불구하고 여전히 공격에 취약합니다. Web3는 원래 공개 데이터용으로 구축되었으며 이는 Web3 생태계가 해결해야 할 주요 과제입니다. 내일 Web2가 Web3가 된다면 식료품 청구서, 앱 구독, 전화 요금 등이 모두 공개 정보가 될 것입니다. Web3에서 기밀성 문제를 해결하는 것은 매우 중요합니다. FHE 또는 사용자는 향후 개인 정보 보호 및 보안을 강화하는 강력한 솔루션을 구현하여 기밀을 유지하면서 암호화된 거래, 데이터 및 스마트 계약에 대한 작업을 허용할 수 있습니다.
영지식 증명(Zero Knowledge Proofs), 다자간 계산(Multi-Party Computation) 및 완전 동형 암호화(Fully Homomorphic Encryption) FHE의 세 가지 방법 중 FHE가 초석입니다. 이 세 가지 방법은 Web3의 새로운 수직 분야인 분산형 기밀 컴퓨팅(Decentralized Confidential Computation—DeCC)을 구성합니다. DeCC는 Web3의 사용 사례를 크게 확장하고 Web3를 널리 채택할 것입니다.
