Lời nói đầu
Trong quá khứ, công nghệ mật mã đóng vai trò quyết định trong sự tiến bộ của nền văn minh nhân loại, đặc biệt là trong lĩnh vực bảo mật thông tin và bảo vệ quyền riêng tư. Nó không chỉ cung cấp sự bảo vệ vững chắc cho việc truyền và lưu trữ dữ liệu trong nhiều lĩnh vực khác nhau, mà hệ thống khóa công khai và riêng tư mã hóa bất đối xứng và chức năng băm đã được Satoshi Nakamoto tích hợp một cách sáng tạo vào năm 2008 để thiết kế một giải pháp cho việc chi tiêu gấp đôi. Cơ chế của vấn đề đã thúc đẩy sự ra đời của Bitcoin, một loại tiền kỹ thuật số mang tính cách mạng và mở ra một kỷ nguyên mới của ngành công nghiệp blockchain.
Với sự phát triển không ngừng và nhanh chóng của ngành công nghiệp blockchain, một loạt công nghệ mã hóa tiên tiến tiếp tục xuất hiện, trong đó bằng chứng không kiến thức (ZKP), tính toán đa bên (MPC) và mã hóa đồng cấu hoàn toàn (FHE) là những công nghệ nổi bật nhất. Các công nghệ này đã được sử dụng rộng rãi trong nhiều tình huống, chẳng hạn như ZKP kết hợp với giải pháp Rollup để giải quyết vấn đề “tam giác không thể” của blockchain và MPC kết hợp với hệ thống khóa chung và khóa riêng để thúc đẩy ứng dụng quy mô lớn của cổng thông tin người dùng (Nhận nuôi đại chúng). Đối với mã hóa hoàn toàn đồng hình FHE, được coi là một trong những Chén thánh của mật mã, các đặc điểm độc đáo của nó cho phép các bên thứ ba thực hiện bất kỳ số lượng tính toán và hoạt động nào trên dữ liệu được mã hóa mà không cần giải mã, từ đó đạt được quyền riêng tư tổng hợp trên chuỗi. khả năng cho nhiều lĩnh vực và kịch bản.
Tổng quan nhanh về FHE
Khi đề cập đến FHE (Mã hóa hoàn toàn đồng hình), trước tiên chúng ta có thể hiểu ý nghĩa đằng sau tên của nó. Trước hết, HE là viết tắt của công nghệ mã hóa đồng hình. Tính năng cốt lõi của nó là cho phép tính toán và thực hiện các thao tác trên bản mã và các thao tác này có thể được ánh xạ trực tiếp tới bản rõ, nghĩa là các đặc tính toán học của dữ liệu được mã hóa không thay đổi. Chữ F trong FHE có nghĩa là tính đồng hình này đã đạt đến một cấp độ hoàn toàn mới, cho phép tính toán và thao tác không giới hạn trên dữ liệu được mã hóa.
Để giúp hiểu rõ hơn, chúng tôi chọn hàm tuyến tính đơn giản nhất làm thuật toán mã hóa và minh họa phép đồng cấu cộng và phép đồng cấu nhân bằng một thao tác duy nhất. Tất nhiên, FHE thực tế sử dụng một loạt các thuật toán toán học phức tạp hơn và những thuật toán này đòi hỏi rất cao về tài nguyên máy tính (CPU và bộ nhớ).
Mặc dù toán học của FHE rất sâu sắc và phức tạp nhưng chúng ta sẽ không đi sâu vào chi tiết ở đây. Điều đáng nói là trong lĩnh vực mã hóa đồng cấu, ngoài FHE còn có hai dạng mã hóa đồng cấu một phần và mã hóa hơi đồng cấu. Sự khác biệt chính của chúng nằm ở loại hoạt động mà chúng hỗ trợ và số lượng hoạt động được phép, nhưng chúng cũng cung cấp khả năng thực hiện các phép tính và hoạt động trên dữ liệu được mã hóa. Tuy nhiên, để giữ nội dung ngắn gọn, chúng tôi sẽ không thảo luận sâu ở đây.
Trong ngành FHE, mặc dù có nhiều công ty nổi tiếng tham gia nghiên cứu và phát triển, Microsoft và Zama nêu bật khả năng sử dụng và tầm ảnh hưởng vô song bằng các sản phẩm nguồn mở (cơ sở mã) tuyệt vời của họ. Chúng cung cấp cho các nhà phát triển khả năng triển khai FHE ổn định và hiệu quả, đồng thời những đóng góp này đã thúc đẩy đáng kể sự phát triển liên tục và ứng dụng rộng rãi của công nghệ FHE.
SEAL của Microsoft: thư viện FHE được Microsoft Research xây dựng cẩn thận, không chỉ hỗ trợ mã hóa đồng cấu hoàn toàn mà còn tương thích với mã hóa đồng cấu một phần. SEAL cung cấp giao diện C++ hiệu quả và cải thiện đáng kể hiệu suất và hiệu quả tính toán bằng cách tích hợp nhiều thuật toán và công nghệ tối ưu hóa.
TFHE của Zama: là một thư viện mã nguồn mở tập trung vào mã hóa đồng hình hoàn toàn hiệu suất cao. TFHE cung cấp dịch vụ thông qua giao diện ngôn ngữ C và sử dụng một loạt công nghệ và thuật toán tối ưu hóa tiên tiến để đạt được tốc độ tính toán nhanh hơn và tiêu thụ tài nguyên thấp hơn.
Theo ý tưởng đơn giản nhất, quy trình hoạt động trải nghiệm FHE đại khái như sau:
Tạo khóa: Sử dụng thư viện/khung FHE để tạo cặp khóa chung và khóa riêng.
Dữ liệu được mã hóa: Sử dụng khóa chung để mã hóa dữ liệu cần xử lý bằng tính toán FHE.
Thực hiện các phép tính đồng cấu: Sử dụng các hàm tính toán đồng cấu do thư viện FHE cung cấp để thực hiện các phép tính khác nhau trên dữ liệu được mã hóa, chẳng hạn như cộng, nhân, v.v.
Kết quả giải mã: Khi cần xem kết quả tính toán, người dùng hợp pháp sẽ sử dụng khóa riêng để giải mã kết quả tính toán.
Trong thực tế của FHE, sơ đồ quản lý các khóa giải mã (tạo, lưu thông và sử dụng, v.v.) là đặc biệt quan trọng. Do kết quả tính toán và vận hành của dữ liệu được mã hóa cần được giải mã để sử dụng vào những thời điểm và tình huống nhất định nên khóa giải mã trở thành cốt lõi để đảm bảo tính bảo mật và toàn vẹn của dữ liệu gốc và dữ liệu đã xử lý. Về việc quản lý khóa giải mã, sơ đồ này thực sự có nhiều điểm tương đồng với quản lý khóa truyền thống, nhưng do tính đặc thù của FHE, một chiến lược chi tiết và chặt chẽ hơn cũng có thể được thiết kế.
Đối với blockchain, do đặc tính phân quyền, minh bạch và không giả mạo, sơ đồ tính toán an toàn đa bên (Threshold Multi-Party Computation, TMPC) đưa ra các ngưỡng là một lựa chọn rất tiềm năng. Sơ đồ này cho phép nhiều người tham gia cùng quản lý và kiểm soát khóa giải mã và chỉ khi đạt đến số ngưỡng đặt trước (tức là số lượng người tham gia), dữ liệu mới có thể được giải mã thành công. Điều này không chỉ có thể cải thiện tính bảo mật của việc quản lý khóa mà còn giảm nguy cơ một nút đơn lẻ bị xâm phạm, mang lại sự đảm bảo mạnh mẽ cho ứng dụng FHE trong môi trường blockchain.
Đặt nền móng cho fhEVM
Từ góc độ xâm nhập tối thiểu, cách lý tưởng nhất để triển khai FHE trên blockchain là gói gọn nó vào cơ sở mã hợp đồng thông minh chung để đảm bảo tính di động và linh hoạt. Tuy nhiên, tiền đề của giải pháp này là máy ảo hợp đồng thông minh phải hỗ trợ bộ hướng dẫn cụ thể của các phép toán phức tạp và các phép toán mật mã mà FHE yêu cầu trước. Nếu máy ảo không thể đáp ứng các yêu cầu này, kiến trúc cốt lõi của máy ảo phải được tùy chỉnh và chuyển đổi để thích ứng với nhu cầu của thuật toán FHE nhằm đạt được sự tích hợp liền mạch.
Là một máy ảo được áp dụng và chứng minh rộng rãi, EVM là một lựa chọn đương nhiên để triển khai FHE. Tuy nhiên, chỉ có một số người thực hành trong lĩnh vực này, trong số đó chúng tôi một lần nữa lưu ý đến công ty Zama đã mở nguồn TFHE. Hóa ra Zama không chỉ cung cấp thư viện TFHE cơ bản mà với tư cách là một công ty công nghệ tập trung ứng dụng công nghệ FHE vào lĩnh vực trí tuệ nhân tạo và blockchain, họ còn cho ra mắt hai sản phẩm nguồn mở quan trọng: Concrete ML và fhEVM. Concrete ML tập trung vào tính toán quyền riêng tư của máy học. Thông qua Concrete ML, các nhà khoa học dữ liệu và người thực hành ML có thể đào tạo và suy luận các mô hình học máy trên dữ liệu nhạy cảm đồng thời bảo vệ quyền riêng tư, từ đó tận dụng tối đa tài nguyên dữ liệu mà không lo rò rỉ quyền riêng tư. Một sản phẩm khác, fhEVM, là một EVM đồng hình hoàn toàn hỗ trợ Solidity để triển khai tính toán quyền riêng tư. fhEVM cho phép các nhà phát triển sử dụng công nghệ mã hóa đồng nhất hoàn toàn trong hợp đồng thông minh Ethereum để đạt được sự bảo vệ quyền riêng tư và tính toán an toàn.
Khi đọc thông tin trên fhEVM, chúng tôi hiểu rằng các tính năng cốt lõi của fhEVM là:
fhEVM: Ở cấp mã byte không phải EVM, hỗ trợ vận hành FHE được cung cấp dưới dạng các hàm nhúng bằng cách tích hợp nhiều hợp đồng được biên dịch trước ở các trạng thái khác nhau của thư viện FHE nguồn mở Zama. Ngoài ra, một vùng lưu trữ và bộ nhớ EVM cụ thể được tạo riêng cho FHE để lưu trữ, đọc, ghi và xác minh văn bản mật mã FHE;
Cơ chế giải mã được thiết kế dựa trên giao thức ngưỡng phân tán: hỗ trợ các khóa FHE toàn cầu để trộn dữ liệu được mã hóa giữa nhiều người dùng và nhiều hợp đồng cũng như lưu trữ khóa mã hóa trên chuỗi, sơ đồ điện toán bảo mật nhiều bên với các ngưỡng giữa nhiều trình xác minh Cơ chế mã hóa không đồng bộ để chia sẻ khóa giải mã ;
Thư viện hợp đồng vững chắc giúp hạ thấp ngưỡng cho các nhà phát triển: các loại dữ liệu được mã hóa, loại hoạt động, lệnh gọi giải mã và đầu ra được mã hóa của FHE được thiết kế, v.v.;
FhEVM của Zama cung cấp một điểm khởi đầu vững chắc cho công nghệ FHE trong các ứng dụng blockchain. Tuy nhiên, vì Zama chủ yếu tập trung vào nghiên cứu và phát triển công nghệ nên các giải pháp của nó thiên về kỹ thuật hơn và có tương đối ít suy nghĩ về mặt triển khai kỹ thuật và ứng dụng thương mại. . Do đó, trong quá trình đưa fhEVM vào ứng dụng thực tế, nó có thể gặp phải nhiều thách thức bất ngờ khác nhau, bao gồm nhưng không giới hạn ở các vấn đề về ngưỡng kỹ thuật và tối ưu hóa hiệu suất.
Xây dựng FHE-Rollups sinh thái
Bản thân fhEVM không tạo thành một dự án hay một hệ sinh thái hoàn chỉnh. Nó giống một trong những khách hàng đa dạng trong hệ sinh thái Ethereum hơn. Để tồn tại như một dự án độc lập, fhEVM phải dựa vào kiến trúc cấp chuỗi công cộng hoặc áp dụng giải pháp Lớp 2/Lớp 3. Hướng phát triển của chuỗi công khai FHE chắc chắn sẽ giải quyết cách giảm sự dư thừa và lãng phí tài nguyên máy tính FHE giữa các nút xác thực phân tán. Ngược lại, giải pháp Lớp 2 / Lớp 3, vốn tồn tại dưới dạng lớp thực thi của chuỗi công khai, có thể phân bổ công việc tính toán cho một số nút, giúp giảm đáng kể mức độ chi phí tính toán. Vì lý do này, Fhenix, với tư cách là người tiên phong, tích cực khám phá sự kết hợp giữa công nghệ fhEVM và Rollup, đồng thời đề xuất xây dựng các giải pháp Lớp 2 loại FHE-Rollups tiên tiến.
Xét rằng công nghệ ZK Rollups bao gồm các cơ chế ZKP phức tạp và yêu cầu tài nguyên điện toán khổng lồ để tạo ra các bằng chứng cần thiết để xác minh, kết hợp với các đặc điểm của chính FHE đầy đủ, việc triển khai trực tiếp sơ đồ FHE-Rollups dựa trên ZK Rollups sẽ gặp nhiều thách thức. Do đó, ở giai đoạn này, so với ZK Rollups, sẽ thực tế và hiệu quả hơn nếu áp dụng giải pháp Optimistic Rollups làm lựa chọn công nghệ của Fhenix.
Nhóm công nghệ của Fhenix chủ yếu bao gồm các thành phần chính sau: một biến thể của công cụ chứng minh gian lận của Arbitrum Nitro, có thể thực hiện bằng chứng gian lận trong WebAssembly. Do đó, logic FHE có thể được biên dịch thành WebAssembly trước tiên để vận hành an toàn. Thư viện lõi fheOS cung cấp tất cả các chức năng cần thiết để tích hợp logic FHE vào hợp đồng thông minh. Mạng dịch vụ ngưỡng (TSN) là một thành phần quan trọng khác. Nó lưu trữ các khóa mạng được chia sẻ bí mật, chia chúng thành nhiều phần chia sẻ bằng công nghệ chia sẻ bí mật dành riêng cho thuật toán để đảm bảo an ninh và chịu trách nhiệm thực hiện các tác vụ như giải mã dữ liệu khi cần thiết.
Dựa trên nền tảng công nghệ trên, Fhenix đã phát hành phiên bản công khai đầu tiên, Fhenix Frontier. Mặc dù đây là phiên bản đầu tiên có nhiều hạn chế và thiếu chức năng nhưng nó đã cung cấp hướng dẫn toàn diện về cách sử dụng thư viện mã hợp đồng thông minh, API Solidity, chuỗi công cụ phát triển hợp đồng (như Hardhat/Remix), thư viện JavaScript tương tác front-end, v.v. . Các nhà phát triển và các bên dự án sinh thái quan tâm đến vấn đề này có thể tham khảo tài liệu chính thức để khám phá.
Bộ đồng xử lý FHE của Chain-Agnostic
Trên cơ sở FHE-Rollups, Fhenix đã khéo léo giới thiệu mô-đun Rơle, nhằm mục đích trao quyền cho nhiều chuỗi công cộng, mạng L2 và L3 khác nhau để chúng có thể truy cập Bộ đồng xử lý FHE và sử dụng các chức năng FHE. Điều này có nghĩa là ngay cả khi Chuỗi máy chủ ban đầu không hỗ trợ FHE, giờ đây bạn có thể gián tiếp tận hưởng các chức năng mạnh mẽ của FHE. Tuy nhiên, do thời gian thử thách bằng chứng của FHE-Rollups thường kéo dài tới 7 ngày, điều này hạn chế khả năng áp dụng rộng rãi của FHE ở một mức độ nhất định. Để vượt qua thử thách này, Fhenix đã hợp tác với EigenLayer để cung cấp kênh nhanh hơn và thuận tiện hơn cho các dịch vụ của Bộ đồng xử lý FHE thông qua cơ chế Đặt lại của EigenLayer, cải thiện đáng kể hiệu quả và tính linh hoạt của toàn bộ Bộ đồng xử lý FHE.
Quy trình sử dụng Bộ đồng xử lý FHE rất đơn giản và rõ ràng:
Hợp đồng ứng dụng gọi Bộ đồng xử lý FHE trên Chuỗi máy chủ để thực hiện các hoạt động tính toán mã hóa.
Chuyển tiếp yêu cầu xếp hàng hợp đồng
Nút Rơle lắng nghe hợp đồng Rơle và chuyển tiếp các cuộc gọi đến Bản tổng hợp Fenix chuyên dụng
FHE Rollup thực hiện các thao tác tính toán FHE
Đầu ra giải mã mạng ngưỡng
Nút Rơle gửi kết quả và bằng chứng tích cực trở lại hợp đồng
Hợp đồng xác minh bằng chứng lạc quan và gửi kết quả cho người gọi
Hợp đồng ứng dụng tiếp tục thực hiện hợp đồng dựa trên kết quả cuộc gọi.
Hướng dẫn tham gia Fenix
Nếu bạn là nhà phát triển, bạn có thể nghiên cứu kỹ tài liệu của Fhenix và phát triển các ứng dụng loại FHE của riêng mình dựa trên các tài liệu này để khám phá tiềm năng của nó trong các ứng dụng thực tế.
Nếu là người dùng, bạn có thể muốn dùng thử các dApp do FHE-Rollups của Fhenix cung cấp và trải nghiệm tính năng bảo mật dữ liệu và bảo vệ quyền riêng tư do FHE mang lại.
Nếu bạn là nhà nghiên cứu, bạn nên đọc kỹ tài liệu của Fhenix để hiểu sâu hơn về các nguyên tắc, chi tiết kỹ thuật và triển vọng ứng dụng của FHE nhằm có những đóng góp có giá trị hơn trong lĩnh vực nghiên cứu của bạn.
Kịch bản ứng dụng tốt nhất của FHE
Công nghệ FHE đã cho thấy nhiều triển vọng ứng dụng, đặc biệt là trong các lĩnh vực như trò chơi toàn chuỗi, DeFi và AI. Chúng tôi tin chắc rằng nó có tiềm năng phát triển rất lớn và không gian ứng dụng rộng rãi trong các lĩnh vực này:
Trò chơi toàn chuỗi được bảo vệ quyền riêng tư: Công nghệ FHE cung cấp đảm bảo mã hóa mạnh mẽ cho các giao dịch tài chính và hoạt động của người chơi trong nền kinh tế trò chơi, ngăn chặn hiệu quả việc thao túng thời gian thực và đảm bảo tính công bằng và khách quan của trò chơi. Đồng thời, FHE cũng có thể ẩn danh các hoạt động của người chơi, giảm đáng kể nguy cơ rò rỉ tài sản tài chính và thông tin cá nhân của người chơi, từ đó bảo vệ hoàn toàn quyền riêng tư và bảo mật của người chơi.
DeFi/MEV: Với sự phát triển bùng nổ của hoạt động DeFi, nhiều hoạt động DeFi đã trở thành mục tiêu của các cuộc tấn công MEV trong khu rừng tối. Để giải quyết thách thức này, FHE có thể bảo vệ một cách hiệu quả dữ liệu nhạy cảm không muốn bị rò rỉ trong DeFi, chẳng hạn như số lượng vị thế, dòng thanh lý, trượt giao dịch, v.v., đồng thời đảm bảo tính toán và xử lý logic kinh doanh. Bằng cách áp dụng FHE, tình trạng của DeFi trên chuỗi có thể được cải thiện đáng kể, giảm đáng kể tần suất hành vi MEV xấu.
AI: Việc đào tạo các mô hình AI dựa vào các tập dữ liệu Khi sử dụng dữ liệu cá nhân để đào tạo, việc đảm bảo tính bảo mật của dữ liệu nhạy cảm riêng lẻ trở thành điều kiện tiên quyết đầu tiên. Vì lý do này, công nghệ FHE đã trở thành một giải pháp lý tưởng cho việc đào tạo mô hình AI trên dữ liệu riêng tư của từng cá nhân. Nó cho phép AI xử lý dữ liệu được mã hóa để hoàn tất quá trình đào tạo mà không tiết lộ bất kỳ thông tin nhạy cảm cá nhân nào.
Sự công nhận của cộng đồng FHE
Sự phát triển của công nghệ không thể đạt được chỉ bằng những đặc tính cốt lõi của nó. Để đạt được sự trưởng thành về công nghệ và tiến bộ liên tục, chúng ta phải dựa vào việc cải tiến liên tục hoạt động nghiên cứu và phát triển học thuật cũng như xây dựng cộng đồng tích cực. Về vấn đề này, FHE đã trở thành chén thánh của mật mã, tiềm năng và giá trị của nó từ lâu đã được công nhận rộng rãi. Năm 2020, Vitalik Buterin đã đánh giá cao và ủng hộ công nghệ FHE trong bài viết Khám phá mã hóa hoàn toàn đồng hình. Mới đây, ông một lần nữa lên tiếng trên mạng xã hội, chắc chắn một lần nữa củng cố lập trường này và kêu gọi thêm nguồn lực, sức mạnh để phát triển công nghệ FHE. Tương ứng, các dự án mới, các tổ chức nghiên cứu và giáo dục phi lợi nhuận liên tục xuất hiện và các quỹ thị trường tiếp tục được bơm vào, tất cả những điều này dường như cho thấy khúc dạo đầu cho một cuộc bùng nổ công nghệ sắp bắt đầu.
Hệ sinh thái ban đầu FHE tiềm năng
Trong giai đoạn đầu phát triển hệ sinh thái FHE, ngoài các dự án chất lượng cao của công ty dịch vụ công nghệ cơ bản cốt lõi Zama và Fhenix cao cấp, còn có hàng loạt dự án nổi bật không kém xứng đáng với sự chuyên sâu của chúng tôi. sự hiểu biết và sự chú ý:
Sunscreen: Trình biên dịch FHE được xây dựng thông qua nghiên cứu và phát triển tự phục vụ hỗ trợ FHE chuyển đổi các ngôn ngữ lập trình truyền thống, thiết kế bộ lưu trữ phi tập trung tương ứng với bản mã FHE và cuối cùng là xuất ra các tính năng FHE cho ứng dụng Web3 dưới dạng SDK
Mind Network: Kết hợp với cơ chế Khôi phục của EigenLayer, đây là mạng FHE được thiết kế đặc biệt để mở rộng bảo mật cho mạng AI và DePIN.
PADO Labs: ra mắt zkFHE, tích hợp ZKP và FHE, đồng thời xây dựng mạng máy tính phi tập trung trên đó
**Arcium:** Trước đây là giao thức bảo mật Elusiv của Solana, gần đây nó đã chuyển đổi thành một mạng máy tính bí mật song song kết hợp với FHE
Mạng Inco: Dựa trên fhEVM của Zama, nó tập trung vào việc tối ưu hóa chi phí và hiệu quả tính toán của FHE, sau đó phát triển Lớp 1 sinh thái hoàn chỉnh
Điều trị: Lớp 3 FHE do nhóm Shiba và Zama cùng tạo ra, dành riêng cho việc mở rộng hệ sinh thái Shiba
octra: Mạng FHE hỗ trợ các môi trường thực thi biệt lập được phát triển dựa trên OCaml, AST, ReasonML và C++
DựaAI: Mạng phân tán hỗ trợ giới thiệu chức năng FHE cho các mô hình LLM
Encifher: Trước đây là BananaHQ, giờ được đổi tên thành Rize Labs, chúng tôi đang xây dựng FHEML xung quanh FHE
Privasea: Mạng FHE do nhóm cốt lõi NuLink xây dựng sử dụng khung Concrete ML của Zama để đạt được sự bảo vệ quyền riêng tư dữ liệu trong quá trình suy luận ML trong lĩnh vực AI.
Đối với các tổ chức giáo dục và nghiên cứu phi lợi nhuận, chúng tôi thực sự khuyên dùng FHE.org và FHE Onchain, nơi cung cấp các nguồn tài nguyên quý giá cho nghiên cứu học thuật và phổ biến giáo dục trong toàn hệ sinh thái.
Do không gian có hạn nên chúng tôi không thể liệt kê hết các dự án nổi bật trong hệ sinh thái FHE. Nhưng hãy tin rằng hệ sinh thái này chứa đựng những tiềm năng và cơ hội vô tận, đáng để chúng ta tiếp tục tìm hiểu và khám phá chuyên sâu.
Tóm tắt
Chúng tôi lạc quan về triển vọng của công nghệ FHE và đặt kỳ vọng cao vào dự án Fenix. Sau khi mạng chính Fhenix được phát hành và ra mắt chính thức, chúng tôi hy vọng rằng các ứng dụng trong các lĩnh vực khác nhau sẽ được cải thiện nhờ công nghệ FHE. Chúng tôi tin chắc rằng tương lai đầy đổi mới và sức sống này đang ở rất gần.
người giới thiệu
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/encifherio
https://www.getbasing.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
