ข้อดีของการเข้ารหัสแบบโฮโมมอร์ฟิกโดยสมบูรณ์: เมื่อเปรียบเทียบกับอัลกอริธึมการเข้ารหัสแบบดั้งเดิม คุณลักษณะเฉพาะของมันคือบุคคลที่สามสามารถทำการคำนวณและดำเนินการกับข้อมูลที่เข้ารหัสจำนวนเท่าใดก็ได้โดยไม่ต้องถอดรหัส มอบความเป็นไปได้ใหม่ๆ สำหรับการประมวลผลความเป็นส่วนตัว
คำจำกัดความของ FHE
การเข้ารหัสแบบ Homomorphic อย่างสมบูรณ์ (FHE): อนุญาตให้ดำเนินการรูปแบบพีชคณิตเฉพาะกับไซเฟอร์เท็กซ์ ผลลัพธ์ยังคงถูกเข้ารหัส และผลลัพธ์ที่ถอดรหัสจะสอดคล้องกับผลลัพธ์ของการดำเนินการเดียวกันบนข้อความธรรมดา เมื่อเปรียบเทียบกับการพิสูจน์ความรู้แบบเป็นศูนย์ ข้อได้เปรียบที่ใหญ่ที่สุดของการเข้ารหัสแบบโฮโมมอร์ฟิกอย่างสมบูรณ์ก็คือ ช่วยให้ระบบคลาวด์สามารถคำนวณข้อมูลที่เข้ารหัสได้ จึงเป็นการปกป้องข้อมูลที่ละเอียดอ่อนจากการเข้าถึงของบุคคลที่สาม
การเข้ารหัส Homomorphic อย่างสมบูรณ์ (FHE) สามารถแยกย่อยได้เพื่อทำความเข้าใจ:
HE ใน FHE ย่อมาจากเทคโนโลยีการเข้ารหัสแบบโฮโมมอร์ฟิก คุณลักษณะหลักของมันคือช่วยให้สามารถคำนวณและดำเนินการกับไซเฟอร์เท็กซ์ได้ และการดำเนินการเหล่านี้สามารถแมปกับข้อความธรรมดาได้โดยตรง กล่าวคือ คุณสมบัติทางคณิตศาสตร์ของข้อมูลที่เข้ารหัสยังคงไม่เปลี่ยนแปลง
F ใน FHE หมายความว่าโฮโมมอร์ฟิซึมนี้ได้ก้าวไปสู่ระดับใหม่แล้ว ทำให้สามารถคำนวณและดำเนินการกับข้อมูลที่เข้ารหัสได้อย่างไม่จำกัด
การเปรียบเทียบ FHE กับ ZK และ MPC
ในด้านความเป็นส่วนตัว เทคโนโลยีทั้งสามที่เป็นแนวหน้าของเทคโนโลยีอุตสาหกรรม ได้แก่ FHE, ZK และ MPC
การเข้ารหัสแบบโฮโมมอร์ฟิกอย่างสมบูรณ์ (FHE) สามารถดำเนินการต่างๆ กับข้อมูลที่เข้ารหัสได้โดยไม่ต้องถอดรหัสก่อน ทำให้ความเป็นส่วนตัวของข้อมูลได้รับการปกป้องอย่างมาก ในเวลาเดียวกัน FHE ให้การรับประกันความปลอดภัยที่แข็งแกร่งสำหรับพื้นที่ต่างๆ เช่น การประมวลผลแบบคลาวด์และบล็อกเชน
Zero-Knowledge Proof (ZK) เป็นเทคโนโลยีการเข้ารหัสขั้นสูงที่มีบทบาทสำคัญในการปกป้องความเป็นส่วนตัวของข้อมูลและรับประกันความถูกต้องของข้อเท็จจริง ผ่าน ZK ฝ่ายหนึ่งสามารถพิสูจน์ความถูกต้องของข้อความบางอย่างต่ออีกฝ่ายหนึ่งได้โดยไม่ต้องเปิดเผยข้อมูลเฉพาะที่เกี่ยวข้องกับข้อความดังกล่าว จึงปกป้องความเป็นส่วนตัวของเจ้าของข้อมูลได้อย่างมีประสิทธิภาพ โดยเฉพาะอย่างยิ่งในการสร้างโซลูชันการปรับขนาดบล็อกเชน ZK ถูกนำมาใช้กันอย่างแพร่หลาย เช่น zk-rollups
การคำนวณแบบหลายฝ่าย (MPC) เป็นแบบจำลองการประมวลผลที่ใช้เทคโนโลยีการเข้ารหัสที่สามารถปกป้องข้อมูลส่วนตัวของผู้เข้าร่วมและทำงานด้านการประมวลผลให้เสร็จสิ้นโดยไม่ต้องเปิดเผยอินพุตส่วนตัว เทคโนโลยี MPC ช่วยให้หลายฝ่ายสามารถมีส่วนร่วมในการคำนวณได้โดยไม่ทำให้ข้อมูลส่วนตัวรั่วไหล โดยการแบ่งกระบวนการคำนวณออกเป็นหลายขั้นตอน และแนะนำการดำเนินการเข้ารหัสและถอดรหัสในแต่ละขั้นตอน
จากการเปรียบเทียบข้างต้นจะเห็นได้ว่าเทคโนโลยี FHE มุ่งเน้นไปที่การคำนวณโดยไม่ต้องถอดรหัสข้อมูล จึงปกป้องความเป็นส่วนตัวของข้อมูล เทคโนโลยี ZK มุ่งเน้นไปที่การพิสูจน์ความถูกต้องของข้อความในขณะที่ปกป้องความเป็นส่วนตัวของข้อความ เทคโนโลยี MPC มุ่งมั่นที่จะตระหนัก การประมวลผลที่ปลอดภัยแบบหลายฝ่ายช่วยให้มั่นใจถึงความเป็นส่วนตัวและความปลอดภัยของผู้เข้าร่วมในระหว่างกระบวนการประมวลผล
ความสำคัญของ FHE
การป้องกันความเป็นส่วนตัวและความปลอดภัยที่ดีขึ้น: FHE รับประกันความเป็นส่วนตัวและความปลอดภัยของข้อมูลในระหว่างการประมวลผลและการคำนวณโดยการเข้ารหัสข้อมูลเพื่อป้องกันการรั่วไหลของข้อมูลและการโจมตี วิธีการเข้ารหัสนี้ใช้หลักการทางคณิตศาสตร์และเทคโนโลยีการเข้ารหัสเพื่อให้สามารถคำนวณได้อย่างปลอดภัยในสภาพแวดล้อมการประมวลผลแบบคลาวด์ ในระหว่างกระบวนการคำนวณ ไม่มีใครสามารถดูเนื้อหาต้นฉบับของข้อมูลได้ รวมถึงผู้ประมวลผลข้อมูล เพื่อหลีกเลี่ยงการเปิดเผย เนื้อหาต้นฉบับ วัตถุประสงค์ของข้อมูล
มีสถานการณ์การใช้งานมากขึ้น: FHE สามารถนำไปใช้กับการประมวลผลข้อมูลที่ปลอดภัยในด้านการเงิน การปกป้องความเป็นส่วนตัวในทางการแพทย์ การประมวลผลบนคลาวด์ที่ปลอดภัย การลงคะแนนทางอิเล็กทรอนิกส์ การส่งข้อมูลที่ปลอดภัยใน Internet of Things และสาขาอื่น ๆ ด้วยเทคโนโลยี FHE อุตสาหกรรมต่างๆ สามารถบรรลุการประมวลผลและการส่งข้อมูลที่ปลอดภัย รับประกันความปลอดภัยของข้อมูลส่วนบุคคลของผู้ใช้ และส่งเสริมการพัฒนาทางดิจิทัลและอัจฉริยะของอุตสาหกรรมต่างๆ ดังนั้น FHE จึงมีสถานการณ์การใช้งานที่หลากหลายกว่า ZK และ MPC ทั้งใน Web 2 และ Web 3
โครงการสำคัญในสาขา FHE
ซามา
Zama เป็นโครงการที่มุ่งเน้นไปที่เทคโนโลยีการเข้ารหัสแบบโฮโมมอร์ฟิกอย่างสมบูรณ์
โครงการมุ่งเน้นไปที่การพัฒนาและส่งเสริมโซลูชัน FHE เพื่อปกป้องความเป็นส่วนตัวของข้อมูลในบล็อกเชนและปัญญาประดิษฐ์ การเข้ารหัสแบบโฮโมมอร์ฟิกโดยสมบูรณ์เป็นเทคโนโลยีหลักของ Zama ซึ่งช่วยให้การคำนวณตามอำเภอใจสามารถดำเนินการกับข้อมูลที่เข้ารหัสได้โดยไม่จำเป็นต้องถอดรหัส ทำให้มั่นใจได้ถึงความเป็นส่วนตัวของข้อมูลในระหว่างการประมวลผล Zama มอบชุดไลบรารีและโซลูชัน FHE โอเพ่นซอร์สอันทรงพลังที่ช่วยให้ทุกคนตั้งแต่นักพัฒนาอิสระไปจนถึงองค์กรขนาดใหญ่สามารถสร้างแอปพลิเคชันที่เข้ารหัสตั้งแต่ต้นทางถึงปลายทางโดยไม่ต้องรู้อะไรเลยเกี่ยวกับการเข้ารหัสเพื่อเริ่มต้น
ผลิตภัณฑ์และบริการของ Zama มุ่งเป้าไปที่อุตสาหกรรมต่างๆ เช่น การดูแลสุขภาพ บริการทางการเงิน การโฆษณา กลาโหม ไบโอเมตริก และความปลอดภัยของรัฐบาล Zama สามารถมอบการเรียนรู้ของเครื่องที่รักษาความเป็นส่วนตัวและโซลูชันสัญญาอัจฉริยะให้กับอุตสาหกรรมเหล่านี้ผ่านเทคโนโลยีของบริษัท นอกจากนี้ Zama ยังมีส่วนร่วมอย่างแข็งขันในโครงการความร่วมมือต่างๆ เพื่อพัฒนาการนำเทคโนโลยี FHE ของตนไปใช้ต่อไป ตัวอย่างเช่น การทำงานร่วมกับ Mind Network เพื่อรวมโซลูชัน Concrete ML เข้ากับเครือข่ายการตรวจสอบ FHE ของ Mind Network ซึ่งเป็นการสร้างมาตรฐานใหม่สำหรับการตรวจสอบ AI แบบกระจายอำนาจ ร่วมมือกับ Privasea เพื่อสำรวจด้าน AI ความปลอดภัยของข้อมูล และ ML และพัฒนาชุดแอปพลิเคชัน AI ที่รักษาความเป็นส่วนตัวบนแพลตฟอร์ม ZAMA-ConcreteML
Zama ระดมทุน Series A ได้ 73 ล้านดอลลาร์ นำโดย Multicoin Capital และ Protocol Labs โดยมีส่วนร่วมจาก Metaplanet, Blockchange Ventures, Vsquared Ventures และ Stake Capital และอื่นๆ อีกมากมาย
ฟีนิกซ์
Fhenix เป็นโซลูชันเลเยอร์ 2 ที่ใช้ Ethereum ซึ่งขับเคลื่อนโดย FHE Rollups และตัวประมวลผลร่วม FHE
Fhenix เข้ากันได้อย่างสมบูรณ์กับ Ethereum Virtual Machine (EVM) และให้การสนับสนุนอย่างเต็มที่สำหรับภาษา Solidity สามารถเรียกใช้สัญญาอัจฉริยะที่ใช้ FHE และใช้การคำนวณที่เป็นความลับแบบออนไลน์ได้ แตกต่างจากโซลูชันอื่นๆ Fhenix ไม่ได้ใช้ zkFHE แต่ใช้ Optimistic Rollup แทน ZK Rollup นอกจากนี้ ยังใช้เทคโนโลยี FHE ของ Zama เพื่อให้บรรลุการรักษาความลับในเครือข่ายผ่าน fhEVM และมุ่งเน้นไปที่เทคโนโลยี TFHE (Threshold FHE) และแอปพลิเคชัน เทคโนโลยี TFHE สามารถบรรลุการเข้ารหัสแบบโฮโมมอร์ฟิกอย่างสมบูรณ์ด้วยการมีส่วนร่วมของหลายฝ่าย มอบโซลูชันที่เชื่อถือได้มากขึ้นสำหรับการปกป้องความเป็นส่วนตัวของผู้ใช้และความปลอดภัยของข้อมูล การเปิดตัว Fhenix จะนำการปกป้องความเป็นส่วนตัวและความปลอดภัยมาสู่ระบบนิเวศ Ethereum มากขึ้น และส่งเสริมการประยุกต์ใช้และการพัฒนาเทคโนโลยีบล็อกเชนในสาขาต่างๆ มากขึ้น
เมื่อวันที่ 2 เมษายน 2024 Fhenix ได้ประกาศว่าจะร่วมมือกับ EigenLayer เพื่อพัฒนาตัวประมวลผลร่วม FHE โดยหวังว่าจะแนะนำ FHE ในสัญญาอัจฉริยะ สิ่งที่เรียกว่า ตัวประมวลผลร่วม FHE มุ่งเน้นไปที่การคำนวณข้อมูลที่เข้ารหัสโดยไม่ต้องถอดรหัสข้อมูลก่อน งานการคำนวณ FHE ไม่จำเป็นต้องประมวลผลบน Ethereum, L2 หรือ L3 แต่ได้รับการจัดการโดยโปรเซสเซอร์ที่กำหนด โปรเซสเซอร์ร่วม FHE จะได้รับการปกป้องโดยกลไกการวางเดิมพัน FHE Rollup และ EigenLayer ของ Fhenix ตามแผนงาน Fhenix วางแผนที่จะเปิดตัว mainnet ในเดือนมกราคม 2025
ในเดือนกันยายน 2023 Fhenix เสร็จสิ้นการระดมทุนรอบเริ่มต้นมูลค่า 7 ล้านดอลลาร์สหรัฐ ซึ่งนำโดย Sora Ventures, Multicoin Capital และ Collider Ventures โดยมีส่วนร่วมจาก Node Capital, Bankless, HackVC, TaneLabs และ Metaplanet ด้วยการรวมเทคโนโลยีการเข้ารหัสโฮโมมอร์ฟิกอย่างเต็มรูปแบบและโซลูชัน Ethereum L2 โครงการ Fhenix นำความสามารถด้านการประมวลผลที่เป็นความลับที่เป็นนวัตกรรมมาสู่สาขาบล็อกเชน และแสดงศักยภาพการใช้งานในวงกว้างในหลายสาขา
เครือข่ายลับ
Secret Network เป็นโครงการบล็อกเชนที่เน้นความเป็นส่วนตัว ซึ่งออกแบบมาเพื่อให้การปกป้องความเป็นส่วนตัวสำหรับแอปพลิเคชันแบบกระจายอำนาจ (DApps) โปรเจ็กต์นี้ช่วยให้นักพัฒนาสามารถสร้างแอปพลิเคชันประเภทใหม่ที่ไม่ได้รับอนุญาตและรักษาความเป็นส่วนตัวได้
Secret Network คือบล็อกเชนเลเยอร์ 1 ที่สร้างขึ้นโดยใช้ Cosmos SDK และ Tendermint BFT และเป็นแพลตฟอร์มสัญญาอัจฉริยะที่เน้นความเป็นส่วนตัว เป็นโครงการแรกที่นำเสนอสัญญาอัจฉริยะส่วนตัวบนเมนเน็ต โครงการนี้ช่วยเพิ่มความสามารถในการปกป้องความเป็นส่วนตัวโดยการบูรณาการเทคโนโลยี Intel SGX (Software Guard Extensions) Secret Network เดิมชื่อ Enigma ในตอนแรกหวังว่าจะอาศัยระบบนิเวศ Ethereum ในการพัฒนา อย่างไรก็ตาม เนื่องจากปัญหาคอขวดด้านประสิทธิภาพ จึงมีการเปลี่ยนแปลงเพื่อพัฒนาเครือข่ายสาธารณะที่เป็นอิสระซึ่งสนับสนุนการประมวลผลความเป็นส่วนตัวผ่าน Cosmos SDK ห่วงโซ่นี้ไม่เพียงแต่สนับสนุนการประมวลผลส่วนตัวเท่านั้น แต่ยังช่วยให้สามารถทำงานร่วมกับระบบนิเวศ Cosmos อื่นๆ ได้ โดยนำความเป็นส่วนตัวมาสู่เครือข่ายบล็อกเชนที่หลากหลาย
นวัตกรรมทางเทคโนโลยีหลักของ Secret Network อยู่ในการบูรณาการ Intel SGX ซึ่งช่วยให้ผู้ใช้สามารถรักษาความเป็นส่วนตัวของข้อมูลในขณะที่ยังคงความโปร่งใสของบล็อกเชน Secret Network ให้ความเป็นส่วนตัวของข้อมูลสำหรับแอปพลิเคชัน Web 3.0 ผ่านความสามารถในการปกป้องความเป็นส่วนตัวที่เป็นเอกลักษณ์ ส่งเสริมการพัฒนาการเงินแบบกระจายอำนาจและสาขาอื่น ๆ
ครีมกันแดด
Sunscreen เป็นโครงการบล็อกเชนที่เน้นความเป็นส่วนตัว โดยมีวัตถุประสงค์เพื่อมอบโซลูชันแก่วิศวกรในการสร้างและปรับใช้แอปพลิเคชันส่วนตัวโดยใช้เทคโนโลยีการเข้ารหัส เช่น FHE
บริษัทได้ใช้คอมไพเลอร์ FHE แบบโอเพ่นซอร์สของตนเอง ซึ่งเป็นคอมไพเลอร์แบบเนทีฟที่ใช้ Web3 ซึ่งสามารถแปลงฟังก์ชัน Rust ธรรมดาให้เป็นฟังก์ชันเทียบเท่า FHE ส่วนตัว ซึ่งให้ประสิทธิภาพสูงสำหรับการดำเนินการทางคณิตศาสตร์ (เช่น DeFi) โดยไม่จำเป็นต้องเร่งด้วยฮาร์ดแวร์ นอกจากนี้ คอมไพลเลอร์ FHE ยังรองรับโครงร่าง BFV FHE ในขณะเดียวกัน Sunscreen กำลังทำงานเพื่อสร้างคอมไพเลอร์ ZKP ที่เข้ากันได้กับคอมไพเลอร์ FHE เพื่อให้มั่นใจในความสมบูรณ์ของการคำนวณ แม้ว่าโดยรวมจะใช้ความเร็วที่ช้าลงเมื่อพิสูจน์การดำเนินการแบบโฮโมมอร์ฟิก นอกจากนี้ บริษัทยังกำลังมองหาระบบจัดเก็บข้อมูลแบบกระจายอำนาจเพื่อจัดเก็บ FHE ciphertext
ในแผนงานในอนาคต Sunscreen จะสนับสนุนธุรกรรมส่วนตัวใน testnet ก่อน จากนั้นจึงสนับสนุนโปรแกรมส่วนตัวที่กำหนดไว้ล่วงหน้า และในที่สุดจะอนุญาตให้นักพัฒนาเขียนโปรแกรมส่วนตัวตามอำเภอใจโดยใช้คอมไพเลอร์ FHE และ ZKP
ในเดือนกรกฎาคม ปี 2022 Sunscreen เสร็จสิ้นการระดมทุนรอบ Seed มูลค่า 4.65 ล้านดอลลาร์ ซึ่งนำโดย Polychain Capital, Northzone, Coinbase Ventures, dao 5 ฯลฯ ก็เข้าร่วมในการลงทุนเช่นกัน เช่น Naval Ravikan ผู้ก่อตั้ง Entropy Tux Pacific เป็นต้น Sunscreen ซึ่งมีผู้ร่วมก่อตั้ง ได้แก่ Ravital Solomon และ MacLane Wilkison ผู้ร่วมก่อตั้งเครือข่ายความเป็นส่วนตัว NuCypher มีเป้าหมายเพื่อให้วิศวกรสามารถสร้างแอปพลิเคชันที่ใช้การเข้ารหัสโฮโมมอร์ฟิกอย่างสมบูรณ์ได้ง่ายขึ้น ก่อนหน้านี้ Sunscreen ได้รับเงินทุน Pre-Seed มูลค่า 570,000 ดอลลาร์
เครือข่ายจิตใจ
Mind Network เป็นเลเยอร์การปักหลักใหม่ซึ่งขับเคลื่อนโดย Zama ซึ่งมีจุดมุ่งหมายเพื่อเปิดใช้งาน HTTPZ (วิสัยทัศน์สำหรับอินเทอร์เน็ตที่เข้ารหัสจากต้นทางถึงปลายทาง)
ผลิตภัณฑ์ของเครือข่าย ได้แก่ MindLayer ซึ่งเป็นโซลูชัน FHE re-stake สำหรับเครือข่าย AI และ DePIN, MindSAP, โปรโตคอลที่อยู่ลักลอบที่ได้รับอนุญาตจาก FHE และ FHE DataLake MindLake ซึ่งสร้างขึ้นจากเครือข่ายตรวจสอบ FHE ผู้ใช้สามารถจำนำโทเค็น LST ของ BTC และ ETH ให้กับ Mind Network อีกครั้งผ่าน MindLayer และมีการแนะนำเครื่องมือตรวจสอบที่ได้รับการปรับปรุง FHE เพื่อให้ทราบถึงกระบวนการตรวจสอบและคำนวณที่เข้ารหัสตั้งแต่ต้นทางถึงปลายทาง ในขณะเดียวกัน ก็ได้แนะนำกลไกฉันทามติ Proof of Intelligence (PoI) ที่ออกแบบมาโดยเฉพาะสำหรับงานการเรียนรู้ของเครื่อง AI เพื่อให้มั่นใจถึงการแจกจ่ายที่ยุติธรรมและปลอดภัยในหมู่ผู้ตรวจสอบ FHE การคำนวณ FHE ยังสามารถเร่งได้ด้วยฮาร์ดแวร์ MindLake คือการจัดเก็บข้อมูลแบบสะสมสำหรับการประมวลผลข้อมูลที่เข้ารหัสแบบออนไลน์ นอกจากนี้ Mind Network กำลังเปิดตัว Rollup chains ร่วมกับ AltLayer, EigenDA และ Arbitrum Orbit เปิดตัวเครือข่ายทดสอบของ Mind Network แล้ว ในเดือนมิถุนายน ปี 2023 Mind Network ระดมทุนรอบ Seed Round มูลค่า 2.5 ล้านดอลลาร์จากนักลงทุน เช่น Binance Labs, Comma 3 Ventures, SevenX Ventures, HashKey Capital, Big Brain Holdings, Arweave SCP Ventures, Mandala Capital เป็นต้น ในเวลาเดียวกัน มันถูกเลือกสำหรับโปรแกรมบ่มเพาะฤดูกาลที่ห้าของ Binance Labs ได้รับเลือกสำหรับโปรแกรม Chainlink BUILD และได้รับทุนสนับสนุน Ethereum Foundation Fellowship
พริวาซี
Privasea เป็นโครงการเครือข่ายคอมพิวเตอร์แบบกระจายที่ผสานรวมการเรียนรู้ของเครื่องเข้ารหัสโฮโมมอร์ฟิก (FHEML) อย่างสมบูรณ์ นอกจากนี้ยังเปิดตัว DApp ImHuman ที่ใช้เทคโนโลยี FHE เพื่อให้มั่นใจถึงการดำเนินการ การตรวจสอบใบหน้า (PoH) อย่างปลอดภัย
เมื่อผู้ใช้สร้างบัญชี ImHuman แล้ว พวกเขาจะไม่สามารถเรียกคืนรหัสผ่านได้หากลืม ImHuman จะใช้กล้องหน้าสแกนภาพใบหน้าและเข้ารหัสบนโทรศัพท์มือถือ โดยจะไม่ถูกส่งไปยังเซิร์ฟเวอร์ใดๆ และ Privasea จะไม่ได้รับอนุญาตให้เข้าถึง รูปภาพใบหน้าที่เข้ารหัสจะถูกส่งไปยังเซิร์ฟเวอร์ Privasea และใช้เพื่อสร้าง NFT ส่วนบุคคลเพื่อยืนยันใบหน้าให้เสร็จสมบูรณ์ ผู้ใช้ที่ผ่านการตรวจสอบ PoH จะได้รับ airdrops สุดพิเศษ ปัจจุบัน ImHuman มีให้บริการเฉพาะบน Google Play เท่านั้น และกำลังจะเปิดให้ใช้งานบน App Store เร็วๆ นี้ Privasea ยังได้จัดตั้งโครงสร้างพื้นฐาน AI DePIN Privasea AI Network ซึ่งเป็นเครือข่ายทดสอบที่เปิดตัวแล้ว ด้วยการสร้างเครือข่ายการประมวลผลแบบกระจายอำนาจ เครือข่ายทดสอบจะมอบทรัพยากรการประมวลผลแบบกระจายที่ปรับขนาดได้สำหรับงาน FHE AI ซึ่งจะช่วยลดความเสี่ยงในการประมวลผลข้อมูลแบบรวมศูนย์ แนวทาง FHE ของ Privasea ขับเคลื่อนโดยการเรียนรู้ของเครื่องที่เป็นรูปธรรมของ Zama ณ เดือนมีนาคม 2024 Privasea ได้เสร็จสิ้นการจัดหาเงินทุนเริ่มต้น 5 ล้านดอลลาร์ โดยมีส่วนร่วมจาก Binance Labs, Gate Labs, MH Ventures, K 300, QB Ventures, CryptoTimes ฯลฯ ในเดือนเมษายน Privasea เสร็จสิ้นการจัดหาเงินทุนเชิงกลยุทธ์รอบใหม่ โดยมีนักลงทุนรวมถึง OKX Ventures, Tanelabs ซึ่งเป็นศูนย์บ่มเพาะที่ SoftBank ถือหุ้นอยู่ และอื่นๆ
ความเสี่ยงในการติดตาม FHE
ประสิทธิภาพของ FHE ต่ำ: ในอุตสาหกรรมบล็อกเชนในปัจจุบัน เนื่องจากข้อจำกัดของพลังการประมวลผลและอัลกอริธึม จึงเป็นเรื่องยากมากที่จะใช้เทคโนโลยี ZK พลังการประมวลผลที่ FHE ต้องการคือขนาดที่มากกว่า ZK 4-5 ลำดับ (ประมาณ 1,000-10,000 เท่า) ดังนั้นจึงเป็นเรื่องยากมากที่จะนำ FHE ไปใช้อย่างเต็มที่ในขั้นตอนนี้ ในขั้นตอนนี้ สามารถรับรู้ได้เฉพาะการคำนวณการบวกและการลบ FHE เท่านั้น แต่ยังต้องใช้การคำนวณจำนวนมาก ซึ่งจะนำไปสู่ประสิทธิภาพการคำนวณที่ค่อนข้างต่ำและต้องใช้พลังในการประมวลผลจำนวนมาก และต้นทุนก็จะเพิ่มขึ้นอย่างมากเช่นกัน .
ความต้องการของตลาดสำหรับ FHE นั้นไม่แข็งแกร่ง แม้ว่าการนำ FHE มาใช้จะสามารถแก้ปัญหาที่อุตสาหกรรมบางประเภทต้องเผชิญได้ แต่การดำเนินการตาม FHE นั้นยากและมีค่าใช้จ่ายสูงกว่า ส่งผลให้มีโครงการจำนวนน้อยลงที่ยินดีนำ FHE มาใช้ และสำหรับผู้ใช้ส่วนใหญ่ ความเป็นส่วนตัวถือเป็นสิ่งสำคัญเล็กน้อย ในฐานะบริการสาธารณะ มีเพียงไม่กี่คนที่ยินดีจ่ายค่าพรีเมียมเพื่อความเป็นส่วนตัว ความต้องการของตลาดสำหรับ FHE ยังไม่แข็งแกร่ง ส่งผลให้ความเต็มใจของฝ่ายโครงการต่างๆ ในการพัฒนา FHE ยังไม่แข็งแกร่งมากนัก ดังนั้น FHE จึงอยู่ในช่วงการพัฒนาที่ซบเซาในช่วงไม่กี่ปีที่ผ่านมา และไม่มีการใช้งานจริง
โครงสร้างพื้นฐานด้านพลังการประมวลผลที่อ่อนแอ: หลักฐานพื้นฐานของความสามารถในการรับรู้ FHE คือต้องใช้พลังการประมวลผลจำนวนมาก การคำนวณเพิ่มเติมจริงของ FHE ได้พิสูจน์แล้วว่า CPU ไม่สามารถตอบสนองความต้องการการประมวลผลขั้นพื้นฐานที่สุดของ FHE เท่านั้น ทำได้แค่นี้ก็พอใจแล้ว แต่ตอนนี้โลกกำลังอยู่ในช่วงขาดแคลนพลังงานการประมวลผลเนื่องจากการเพิ่มขึ้นของอุตสาหกรรม AI GPU ของ Nvidia มีกำหนดการผลิตจนถึงปี 2025 และโครงการพลังการประมวลผลแบบกระจายอำนาจในอุตสาหกรรม Crypto เกิดจากการขาด พลังการประมวลผลและแบนด์วิธทั้งหมด และปัญหา TPS และอุปกรณ์ฮาร์ดแวร์อื่นๆ ไม่ตรงตามเงื่อนไขในการพัฒนา FHE ในบริบทของการขาดแคลนพลังงานการประมวลผลนี้ การพัฒนาเส้นทาง FHE ในวงกว้างนั้นไม่สมจริง
สรุป
ประการแรก ในฐานะจอกศักดิ์สิทธิ์แห่งการเข้ารหัส FHE สามารถใช้อัลกอริธึมที่เป็นเอกลักษณ์เพื่อให้บุคคลที่สามทำการคำนวณและดำเนินการกับข้อมูลที่เข้ารหัสจำนวนเท่าใดก็ได้โดยไม่ต้องถอดรหัส มอบความเป็นไปได้ใหม่ๆ สำหรับการประมวลผลความเป็นส่วนตัว เทคโนโลยี FHE สามารถปกป้องความเป็นส่วนตัวของข้อมูลผู้ใช้ได้อย่างมีประสิทธิภาพ ในขณะเดียวกันก็บรรลุการแบ่งปันและการประมวลผลข้อมูลอย่างปลอดภัย ไม่เพียงแต่ในอุตสาหกรรม Crypto เท่านั้น แต่ยังรวมถึงทุกสาขาอาชีพในสังคมจริงด้วย มันยังสามารถมีบทบาทที่เป็นนวัตกรรมและแก้ไขปัญหาความเป็นส่วนตัวที่มีอยู่สำหรับทุกสาขาอาชีพ
ประการที่สอง ในช่วงเริ่มต้น FHE เผชิญกับความยากลำบากมากมาย ประสิทธิภาพของ FHE ถูกจำกัดด้วยข้อจำกัดของพลังการประมวลผลและอัลกอริธึมในอุตสาหกรรมบล็อกเชนในปัจจุบัน ทำให้การนำเทคโนโลยี FHE ไปใช้เป็นเรื่องยาก แม้ว่า FHE จะสามารถแก้ปัญหาบางอย่างในอุตสาหกรรมได้ แต่พลังการประมวลผลที่ต้องการนั้นอยู่ที่ประมาณ 1,000-10,000 เท่าของ ZK ดังนั้นจึงสามารถทำได้เพียงการคำนวณการบวกและการลบของ FHE ในปัจจุบันเท่านั้น แอปพลิเคชันถูกจำกัดด้วยความต้องการของตลาดที่ต่ำและโครงสร้างพื้นฐานการประมวลผลที่อ่อนแอ ผลกระทบทำให้การพัฒนา FHE ซบเซา
โดยรวมแล้ว FHE เป็นแนวทางที่มีแนวโน้มและบุกเบิกมาก เทคโนโลยี FHE สามารถปกป้องความเป็นส่วนตัวของข้อมูลผู้ใช้ได้อย่างมีประสิทธิภาพ ในขณะเดียวกันก็สามารถแบ่งปันและประมวลผลข้อมูลได้อย่างปลอดภัย อย่างไรก็ตาม FEH เผชิญกับความยากลำบากมากมายในการดำเนินการเนื่องจากโครงสร้างพื้นฐานที่จำกัด และความต้องการของตลาดที่ต่ำเนื่องจากปัญหาด้านประสิทธิภาพและต้นทุน ดังนั้น FHE จึงเป็นทิศทางสำหรับการพัฒนาในอนาคตของอุตสาหกรรม Crypto แต่ก็ยังอยู่ในช่วงเริ่มต้นและไม่มีเงื่อนไขในการดำเนินโครงการ
