머리말
과거 암호기술은 인류 문명의 발전, 특히 정보보안과 개인정보 보호 분야에서 결정적인 역할을 해왔습니다. 다양한 분야에서 데이터 전송 및 저장을 위한 견고한 보호를 제공할 뿐만 아니라 2008년 사토시 나카모토가 창의적으로 통합하여 이중 지출에 대한 솔루션을 설계한 비대칭 암호화 공개 및 개인 키 시스템과 해시 기능을 제공합니다. 문제의 메커니즘은 혁신적인 디지털 통화인 비트코인의 탄생을 촉진했으며 블록체인 산업의 새로운 시대를 열었습니다.
블록체인 산업의 지속적인 진화와 급속한 발전으로 일련의 최첨단 암호화 기술이 계속 등장하고 있으며 그 중 영지식 증명(ZKP), 다자간 계산(MPC) 및 완전 동형 암호화(FHE)가 있습니다. 가장 눈에 띄는. 이러한 기술은 블록체인의 불가능한 삼각형 문제를 해결하기 위해 Rollup 솔루션과 결합된 ZKP, 사용자 포털의 대규모 적용을 촉진하기 위해 공개 및 개인 키 시스템과 결합된 MPC 등 여러 시나리오에서 널리 사용되었습니다. (대량 채택). 암호화의 성배 중 하나로 간주되는 완전 동형 암호화 FHE의 경우, 그 고유한 특성을 통해 제3자가 암호화된 데이터를 해독하지 않고도 여러 계산 및 작업을 수행할 수 있으므로 구성 가능한 온체인 개인 정보 보호를 달성할 수 있습니다. 여러 분야와 시나리오에 대한 가능성.
빠른 개요 FHE
FHE(Fully Homomorphic Encryption)를 언급하면 먼저 그 이름 뒤에 숨은 의미를 이해할 수 있습니다. 우선, HE는 동형암호 기술을 의미하며, 핵심 특징은 암호문에 대한 계산과 연산을 허용하고 이러한 연산을 일반 텍스트에 직접 매핑할 수 있다는 것입니다. 즉, 암호화된 데이터의 수학적 속성은 변경되지 않습니다. FHE의 F는 이 동형이 완전히 새로운 수준에 도달하여 암호화된 데이터에 대한 무제한 계산 및 작업이 가능하다는 것을 의미합니다.
이해를 돕기 위해 가장 간단한 선형함수를 암호화 알고리즘으로 선택하고, 덧셈 동형과 곱셈 동형을 한 번의 연산으로 설명합니다. 물론 실제 FHE는 일련의 보다 복잡한 수학적 알고리즘을 사용하며 이러한 알고리즘은 컴퓨팅 리소스(CPU 및 메모리)를 극도로 요구합니다.
FHE의 수학은 깊고 복잡하지만 여기서는 너무 자세히 설명하지 않겠습니다. 동형암호 분야에는 FHE 외에도 부분 동형암호와 다소 동형암호의 두 가지 형태가 있다는 점을 언급할 가치가 있습니다. 주요 차이점은 지원하는 작업 유형과 허용되는 작업 수에 있지만 암호화된 데이터에 대한 계산 및 작업을 구현할 수 있는 가능성도 제공합니다. 그러나 내용의 간결성을 유지하기 위해 여기서는 깊이 있게 다루지 않습니다.
FHE 업계에서는 연구 개발에 참여하는 유명 기업이 많이 있지만 Microsoft와 Zama는 우수한 오픈 소스 제품(코드 베이스)으로 비교할 수 없는 유용성과 영향력을 강조합니다. 이는 개발자에게 안정적이고 효율적인 FHE 구현을 제공하며 이러한 기여로 인해 FHE 기술의 지속적인 개발과 광범위한 적용이 크게 촉진되었습니다.
Microsoft의 SEAL: Microsoft Research에서 신중하게 구축한 FHE 라이브러리로, 완전 동형 암호화를 지원할 뿐만 아니라 부분 동형 암호화와도 호환됩니다. SEAL은 효율적인 C++ 인터페이스를 제공하고 수많은 최적화 알고리즘과 기술을 통합하여 컴퓨팅 성능과 효율성을 크게 향상시킵니다.
Zama의 TFHE: 고성능 완전 동형 암호화에 초점을 맞춘 오픈 소스 라이브러리입니다. TFHE는 C 언어 인터페이스를 통해 서비스를 제공하고 일련의 고급 최적화 기술과 알고리즘을 사용하여 더 빠른 컴퓨팅 속도와 더 낮은 리소스 소비를 달성합니다.
가장 단순화된 아이디어에 따르면 FHE를 경험하는 작업 프로세스는 대략 다음과 같습니다.
키 생성: FHE 라이브러리/프레임워크를 사용하여 공개 및 개인 키 쌍을 생성합니다.
암호화된 데이터: 공개 키를 사용하여 FHE 계산에서 처리해야 하는 데이터를 암호화합니다.
동형 계산 수행: FHE 라이브러리에서 제공하는 동형 계산 기능을 사용하여 암호화된 데이터에 대해 덧셈, 곱셈 등 다양한 계산 작업을 수행합니다.
복호화 결과: 계산 결과를 확인해야 할 경우 합법적인 사용자는 개인 키를 사용하여 계산 결과를 복호화합니다.
FHE 실행에서는 복호화 키 관리 체계(생성, 유통, 사용 등)가 특히 중요합니다. 암호화된 데이터의 계산 및 연산 결과는 특정 시간과 시나리오에서 사용하기 위해 복호화되어야 하므로 복호화 키는 원본 데이터와 처리된 데이터의 보안과 무결성을 보장하는 핵심이 됩니다. 복호화 키 관리와 관련하여 이 체계는 실제로 기존 키 관리와 많은 유사점을 가지고 있지만 FHE의 특수성을 고려하면 보다 엄격하고 세부적인 전략을 설계할 수도 있습니다.
블록체인의 경우 분산화, 투명성 및 변조 방지 특성으로 인해 임계값을 도입하는 다자간 보안 계산 방식(TMPC)이 매우 잠재적인 선택입니다. 이 방식을 사용하면 여러 참가자가 복호화 키를 공동으로 관리하고 제어할 수 있으며, 미리 설정된 임계값(즉, 참가자 수)에 도달해야만 데이터를 성공적으로 복호화할 수 있습니다. 이는 키 관리의 보안을 향상시킬 수 있을 뿐만 아니라 단일 노드가 손상될 위험을 줄여 블록체인 환경에서 FHE 적용을 강력하게 보장합니다.
fhEVM의 기반 마련
최소한의 침입이라는 관점에서 볼 때, 블록체인에서 FHE를 구현하는 가장 이상적인 방법은 FHE를 일반 스마트 계약 코드 기반으로 캡슐화하여 이식성과 유연성을 보장하는 것입니다. 그러나 이 솔루션의 전제는 스마트 계약 가상 머신이 FHE에서 요구하는 복잡한 수학적 연산 및 암호화 연산의 특정 명령 세트를 미리 지원해야 한다는 것입니다. 가상 머신이 이러한 요구 사항을 충족할 수 없는 경우 가상 머신의 핵심 아키텍처를 사용자 정의하고 FHE 알고리즘의 요구 사항에 맞게 변환하여 원활한 통합을 달성해야 합니다.
널리 채택되고 입증된 가상 머신인 EVM은 FHE 구현을 위한 자연스러운 선택입니다. 그러나 이 분야의 실무자는 소수에 불과하며 그 중 TFHE를 오픈 소스로 제공한 Zama 회사를 다시 한 번 언급합니다. Zama는 기본 TFHE 라이브러리를 제공할 뿐만 아니라 FHE 기술을 인공 지능 및 블록체인 분야에 적용하는 데 중점을 둔 기술 회사로서 Concrete ML과 fhEVM이라는 두 가지 중요한 오픈 소스 제품도 출시한 것으로 나타났습니다. Concrete ML은 기계 학습 개인 정보 보호 컴퓨팅에 중점을 둡니다. Concrete ML을 통해 데이터 과학자와 ML 실무자는 개인 정보를 보호하면서 민감한 데이터에 대한 기계 학습 모델을 훈련하고 추론할 수 있으므로 개인 정보 유출에 대한 걱정 없이 데이터 리소스를 최대한 활용할 수 있습니다. 또 다른 제품인 fhEVM은 개인 정보 보호 컴퓨팅을 구현하기 위해 Solidity를 지원하는 완전 동형 EVM입니다. fhEVM을 통해 개발자는 Ethereum 스마트 계약에서 완전 동형 암호화 기술을 사용하여 개인 정보 보호 및 보안 컴퓨팅을 달성할 수 있습니다.
fhEVM에 대한 정보를 읽으면 fhEVM의 핵심 기능이 다음과 같다는 것을 알 수 있습니다.
fhEVM: EVM이 아닌 바이트코드 수준에서 FHE 작업 지원은 Zama 오픈 소스 FHE 라이브러리의 다양한 상태에 사전 컴파일된 여러 계약을 통합하여 내장된 기능 형태로 제공됩니다. 또한 FHE 암호문을 저장하고, 읽고, 쓰고, 확인할 수 있도록 FHE 전용으로 특정 EVM 메모리 및 저장 영역이 생성됩니다.
분산 임계값 프로토콜을 기반으로 설계된 암호 해독 메커니즘: 여러 사용자와 여러 계약 간에 암호화된 데이터를 혼합하기 위한 글로벌 FHE 키와 암호화 키의 온체인 저장을 지원합니다. 여러 검증자 간에 임계값이 있는 다자간 보안 컴퓨팅 방식 암호 해독 키를 공유하기 위한 비동기 암호화 메커니즘 ;
개발자의 임계값을 낮추는 Solidity 계약 라이브러리: FHE의 암호화된 데이터 유형, 작업 유형, 암호 해독 호출 및 암호화된 출력 등을 설계했습니다.
Zama의 fhEVM은 블록체인 애플리케이션에서 FHE 기술의 견고한 출발점을 제공합니다. 그러나 Zama가 주로 기술 연구 및 개발에 중점을 둔다는 점을 고려하면 해당 솔루션은 보다 기술 지향적이며 엔지니어링 구현 및 상용 애플리케이션 측면에서 상대적으로 생각이 적습니다. . 따라서 fhEVM을 실제 응용으로 승격시키는 과정에서 기술적 한계점 및 성능 최적화 문제를 포함하되 이에 국한되지 않는 다양한 예상치 못한 문제에 직면할 수 있습니다.
생태학적 FHE 롤업 구축
fhEVM만으로는 자체적으로 프로젝트나 완전한 생태계를 구성할 수 없습니다. 이는 이더리움 생태계의 다양한 클라이언트 중 하나에 가깝습니다. 독립적인 프로젝트로 자리잡기 위해서는 fhEVM이 퍼블릭 체인 수준 아키텍처에 의존하거나 레이어 2/레이어 3 솔루션을 채택해야 합니다. FHE 퍼블릭 체인의 개발 방향은 필연적으로 분산 검증인 노드 사이에서 FHE 컴퓨팅 리소스의 중복성과 낭비를 줄이는 방법을 다룰 것입니다. 이에 반해, 자체적으로 퍼블릭 체인의 실행 레이어로 존재하는 레이어 2/레이어 3 솔루션은 컴퓨팅 작업을 소수의 노드에 할당할 수 있어 컴퓨팅 오버헤드 규모를 크게 줄일 수 있습니다. 이러한 이유로 Fhenix는 선구자로서 fhEVM과 Rollup 기술의 결합을 적극적으로 탐구하고 고급 FHE-Rollups 유형의 Layer 2 솔루션 구축을 제안합니다.
ZK 롤업 기술에는 복잡한 ZKP 메커니즘이 포함되고 검증에 필요한 증명을 생성하기 위해 막대한 컴퓨팅 리소스가 필요하다는 점과 전체 FHE 자체의 특성이 결합되어 있다는 점을 고려할 때 ZK 롤업을 기반으로 한 FHE-롤업 체계를 직접 구현하는 것은 많은 어려움에 직면하게 됩니다. 따라서 현 단계에서는 ZK Rollups에 비해 Optimistic Rollups 솔루션을 Fhenix의 기술 선택으로 채택하는 것이 더 실용적이고 효율적일 것입니다.
Fhenix의 기술 스택에는 주로 WebAssembly에서 사기 증명을 수행할 수 있는 Arbitrum Nitro의 사기 증명 변종과 같은 주요 구성 요소가 포함됩니다. 따라서 안전한 작동을 위해 FHE 로직을 먼저 WebAssembly로 컴파일할 수 있습니다. 핵심 라이브러리 fheOS는 FHE 로직을 스마트 계약에 통합하는 데 필요한 모든 기능을 제공합니다. TSN(Threshold Service Network)은 비밀리에 공유된 네트워크 키를 호스팅하고, 보안을 보장하기 위해 알고리즘별 비밀 공유 기술을 사용하여 여러 공유로 분할하며, 필요한 경우 데이터 암호 해독과 같은 작업을 담당합니다.
위의 기술 스택을 기반으로 Fhenix는 첫 번째 공개 버전인 Fhenix Frontier를 출시했습니다. 많은 제한 사항과 누락된 기능이 있는 초기 버전이지만 이미 스마트 계약 코드 라이브러리, Solidity API, 계약 개발 도구 체인(예: Hardhat/Remix), 프런트 엔드 대화형 JavaScript 라이브러리 등의 사용에 대한 포괄적인 지침을 제공합니다. . 이에 관심이 있는 개발자와 생태학적 프로젝트 당사자는 공식 문서를 참조하여 탐색할 수 있습니다.
Chain-Agnostic의 FHE 보조 프로세서
FHE-Rollups를 기반으로 Fhenix는 다양한 퍼블릭 체인, L2 및 L3 네트워크에 권한을 부여하여 FHE 보조 프로세서에 액세스하고 FHE 기능을 사용할 수 있도록 하는 릴레이 모듈을 교묘하게 도입합니다. 이는 원래 호스트 체인이 FHE를 지원하지 않더라도 이제 FHE의 강력한 기능을 간접적으로 즐길 수 있음을 의미합니다. 그러나 FHE-롤업의 증명 문제 제기 기간은 일반적으로 최대 7일이므로 FHE의 광범위한 적용이 어느 정도 제한됩니다. 이러한 과제를 극복하기 위해 Fhenix는 EigenLayer와 협력하여 EigenLayer의 재스테이킹 메커니즘을 통해 FHE 코프로세서 서비스에 더 빠르고 편리한 채널을 제공함으로써 전체 FHE 코프로세서의 효율성과 유연성을 크게 향상시켰습니다.
FHE 코프로세서의 사용 프로세스는 간단하고 명확합니다.
애플리케이션 계약은 호스트 체인의 FHE 보조 프로세서를 호출하여 암호화 계산 작업을 수행합니다.
릴레이 계약 대기열 요청
릴레이 노드는 릴레이 계약을 수신하고 호출을 전용 Fhenix 롤업으로 전달합니다.
FHE Rollup은 FHE 계산 작업을 수행합니다.
임계값 네트워크 암호 해독 출력
Relay 노드는 결과와 낙관적인 증거를 계약서로 다시 보냅니다.
계약은 낙관적 증명을 확인하고 결과를 호출자에게 보냅니다.
애플리케이션 계약은 호출 결과에 따라 계약을 계속 실행합니다.
페닉스 참가안내
개발자라면 Fhenix의 문서를 자세히 살펴보고 이러한 문서를 기반으로 자신만의 FHE 유형 애플리케이션을 개발하여 실제 애플리케이션에서의 잠재력을 탐색할 수 있습니다.
사용자라면 Fhenix의 FHE-Rollups에서 제공하는 dApp을 사용해 보고 FHE가 제공하는 데이터 보안 및 개인 정보 보호를 경험해 볼 수 있습니다.
연구자라면 Fhenix의 문서를 주의 깊게 읽어 FHE의 원리, 기술 세부 사항 및 응용 전망에 대한 심층적인 이해를 얻어 자신의 연구 분야에 더욱 가치 있는 기여를 할 것을 적극 권장합니다.
FHE 최고의 적용 시나리오
FHE 기술은 특히 풀체인 게임, DeFi 및 AI와 같은 분야에서 광범위한 응용 가능성을 보여주었습니다. 우리는 다음과 같은 분야에서 엄청난 개발 잠재력과 광범위한 응용 공간을 가지고 있다고 굳게 믿습니다.
개인정보 보호 풀체인 게임: FHE 기술은 게임 경제에서 금융 거래 및 플레이어 운영에 대한 강력한 암호화 보장을 제공하여 실시간 조작을 효과적으로 방지하고 게임의 공정성과 공평성을 보장합니다. 동시에 FHE는 플레이어 활동을 익명화하여 플레이어의 금융 자산 및 개인 정보 유출 위험을 크게 줄여 플레이어의 개인정보와 보안을 완벽하게 보호할 수 있습니다.
DeFi/MEV: DeFi 활동이 급속도로 발전하면서 많은 DeFi 운영이 어두운 숲에서 MEV 공격의 표적이 되었습니다. 이러한 문제를 해결하기 위해 FHE는 비즈니스 로직 계산 및 처리를 보장하는 동시에 포지션 수량, 청산 라인, 거래 미끄러짐 등 DeFi에서 유출을 원하지 않는 민감한 데이터를 효과적으로 보호할 수 있습니다. FHE를 적용하면 온체인 DeFi의 상태가 크게 향상되어 잘못된 MEV 동작의 빈도가 크게 줄어듭니다.
AI: AI 모델의 훈련은 데이터 세트에 의존합니다. 훈련을 위해 개별 데이터를 사용하는 경우 개별 민감한 데이터의 보안을 보장하는 것이 첫 번째 전제 조건입니다. 이러한 이유로 FHE 기술은 개인 개인 데이터에 대한 AI 모델 훈련에 이상적인 솔루션이 되었습니다. 이를 통해 AI는 암호화된 데이터를 처리하여 개인의 민감한 정보를 공개하지 않고 훈련 프로세스를 완료할 수 있습니다.
FHE의 지역사회 표창
기술의 발전은 그 하드코어한 특성만으로는 이루어질 수 없습니다. 기술적 성숙과 지속적인 발전을 이루기 위해서는 학술 연구 개발의 지속적인 개선과 활발한 커뮤니티 구축에 의존해야 합니다. 이런 점에서 FHE는 암호화폐의 성배가 되었으며, 그 잠재력과 가치는 오랫동안 널리 인정받아 왔습니다. 2020년 Vitalik Buterin은 Exploring Fully Homomorphic Encryption이라는 기사에서 FHE 기술에 대한 높은 인식과 지원을 밝혔습니다. 최근 그는 소셜 미디어를 통해 다시 한 번 이러한 입장을 강화하고 FHE 기술 개발을 위한 더 많은 자원과 힘을 요구하는 발언을 했습니다. 이에 따라 새로운 프로젝트, 비영리 연구 및 교육 기관이 끊임없이 등장하고 시장 자금이 계속 투입되는 등 모두 기술 폭발의 서곡이 곧 시작될 것임을 시사하는 것 같습니다.
잠재적인 FHE 초기 생태
FHE 생태계 개발의 초기 단계에는 핵심 기반 기술 서비스 회사인 Zama와 주목을 받는 Fhenix 프로젝트 외에도 우리의 심층적인 이해와 관심을 끌 만한 일련의 뛰어난 프로젝트가 있습니다.
Sunscreen: 셀프 서비스 연구 개발을 통해 구축된 FHE 컴파일러는 기존 프로그래밍 언어의 FHE 변환을 지원하고, FHE 암호문에 해당하는 분산형 저장소를 설계하고, 최종적으로 Web3 애플리케이션용 FHE 기능을 SDK 형식으로 출력합니다.
Mind Network: EigenLayer의 Restake 메커니즘과 결합하여 AI 및 DePIN 네트워크의 보안을 확장하도록 특별히 설계된 FHE 네트워크입니다.
PADO Labs: ZKP와 FHE를 통합하고 그 위에 분산형 컴퓨팅 네트워크를 구축하는 zkFHE를 출시합니다.
**Arcium:** 이전에 Solana의 개인 정보 보호 프로토콜인 Elusiv는 최근 FHE와 결합된 병렬 기밀 컴퓨팅 네트워크로 변모했습니다.
Inco Network: Zama의 fhEVM을 기반으로 FHE의 컴퓨팅 비용과 효율성을 최적화하는 데 중점을 두고 완전한 생태학적 레이어 1을 개발합니다.
처리: Shiba 팀과 Zama가 공동으로 제작한 FHE Layer 3는 Shiba 생태계 확장에 전념합니다.
octra: OCaml, AST, ReasonML 및 C++를 기반으로 개발된 격리된 실행 환경을 지원하는 FHE 네트워크
BasedAI: LLM 모델에 대한 FHE 기능 도입을 지원하는 분산 네트워크
Encipher: 이전의 BananaHQ는 현재 Rize Labs로 이름이 변경되었으며 FHE를 중심으로 FHEML을 구축하고 있습니다.
Privasea: NuLink 핵심 팀이 구축한 FHE 네트워크는 Zama의 Concrete ML 프레임워크를 사용하여 AI 분야에서 ML 추론 중에 데이터 개인 정보 보호를 달성합니다.
비영리 연구 및 교육 기관의 경우 생태계 전반에 걸쳐 학술 연구 및 교육 대중화를 위한 귀중한 리소스를 제공하는 FHE.org 및 FHE Onchain을 적극 권장합니다.
제한된 공간으로 인해 FHE 생태계의 뛰어난 프로젝트를 모두 나열할 수는 없습니다. 하지만 이 생태계에는 무한한 잠재력과 기회가 포함되어 있으며, 이는 우리가 계속해서 심층적으로 탐구하고 탐구할 가치가 있다는 것을 믿으십시오.
요약하다
우리는 FHE 기술의 전망에 대해 낙관하고 있으며 Fhenix 프로젝트에 대한 기대도 높습니다. Fhenix 메인넷이 출시되고 정식 출시되면 FHE 기술로 인해 다양한 분야의 애플리케이션이 개선될 것으로 기대합니다. 우리는 혁신과 활력이 넘치는 미래가 가까이 왔다고 굳게 믿습니다.
참고자료
https://zama.ai/
https://github.com/microsoft/SEAL
https://www.fhenix.io/
https://mindnetwork.xyz/
https://www.inco.org/
https://x.com/treatsforShib
https://docs.octra.org/
https://x.com/encipherio
https://www.getbased.ai/
https://www.privasea.ai/
https://x.com/fhe_org
https://x.com/FHEOnchain
https://vitalik.eth.limo/general/2020/07/20/homomorphic.html
https://x.com/MessariCrypto/status/1720134959875457352
https://foresightnews.pro/article/detail/59947
