원저자: 0x Todd, Ebunker Lianchuang(X: @0x_Todd)
최근 시장 상황이 좋지 않아서 마침내 몇 가지 새로운 기술 경로를 계속해서 공유할 수 있는 충분한 시간을 갖게 되었습니다. 2024년 암호화 시장은 과거만큼 호황을 누리지는 못하겠지만, 오늘 이야기할 주제인 "FHE / Fully Homomorphic Encryption(완전 동형 암호화)"처럼 아직 성숙을 시도하는 신기술들이 남아 있습니다. .
V God은 올해 5월에도 FHE에 관한 특집 기사를 게재했는데, 관심 있는 친구들이 읽어보기를 권한다.
그렇다면 FHE는 어떤 기술일까요?
FHE 완전 동형 암호화라는 어색한 용어를 이해하려면 먼저 "암호화"가 무엇인지, "동형"이 무엇인지, "전체"가 필요한 이유를 이해해야 합니다.
1. 암호화란 무엇입니까?
일반 암호화는 모든 사람에게 가장 친숙합니다. 예를 들어, Alice는 "1314 520"과 같은 메시지를 Bob에게 보내려고 합니다.
이제 편지를 전달하고 정보를 기밀로 유지하기 위해 제3자 C가 필요하다면 매우 간단합니다. 예를 들어 "2628 1040"으로 각 숫자 x 2만 암호화하면 됩니다.
Bob은 이를 수신하면 각 숫자를 2로 나누고 "1314 520"이라고 말하면서 원래 Alice의 암호를 해독합니다.
대칭 암호화를 통해 두 사람은 C가 기여해야 하지만 C는 해당 정보를 알지 못하는 조건으로 정보 전송을 완료했다는 것을 보셨나요? 일반적으로 첩보영화에서 두 연락관의 의사소통은 아마도 이 범위를 벗어나지 않을 것이다.
2. 그렇다면 동형암호란 무엇일까요?
이제 앨리스의 요구사항 난이도가 업그레이드되었습니다.
-예를 들어, 앨리스는 겨우 7살입니다.
-앨리스는 x 2, ¼ 2 등 가장 간단한 산술만 계산할 수 있을 뿐, 다른 연산은 전혀 이해하지 못합니다.
좋아요, Alice가 전기 요금을 지불해야 한다고 가정해 보겠습니다. Alice 가족의 월 전기 요금은 400위안이고 그녀는 총 12개월 동안 체납 상태였습니다.
그러나 400*12 = 몇 개인지, 이 질문은 고작 7살인 앨리스의 계산 범위를 벗어나는 문제입니다.
그러나 그녀는 민감한 정보이기 때문에 가전제품 요금이 월 단위로 얼마인지 다른 사람이 알기를 원하지 않습니다.
따라서 Alice는 C를 신뢰하지 않고 C에게 계산을 도와달라고 요청합니다.
그녀는 x 2 ¼ 2만 알고 있었기 때문에 단순히 자신의 숫자를 암호화하기 위해 x 2 곱셈을 사용했습니다. 그래서 그녀는 C에게 80 0x 24 =, 즉 (40 0x 2) 곱하기 (12 x2)를 계산하라고 말했습니다.
C는 계산력이 뛰어난 어른입니다. 그는 800*24 = 19200을 말로 빠르게 계산하고 그 숫자를 앨리스에게 말했습니다. 그런 다음 앨리스는 19,200 ¼ 2 ¼ 2라는 결과를 계산하고 곧 4,800위안의 수도 요금을 지불해야 한다는 사실을 알게 됩니다.
당신은 그것을 볼 않았다? 이는 가장 간단한 곱셈 동형암호로, 800*24는 400*12를 매핑한 것에 불과합니다. 실제로는 변경 전과 후의 모양이 동일하므로 "동형"이라고 합니다.
이 암호화 방법은 누군가 신뢰할 수 없는 기관에 결과 계산을 맡기고자 할 경우 자신의 민감한 번호가 유출되지 않도록 보장할 수 있다는 점을 실현합니다.
3. 그렇다면 '동형암호'는 왜 '완전'해야 합니까?
그러나 이것은 이상적인 세계의 문제일 뿐입니다. 현실 세계의 문제는 모두가 7세이거나 C만큼 정직하지는 않습니다.
예를 들어 C는 앨리스가 400과 12를 계산하려는 철저한 방법을 통해 추론을 시도할 수도 있습니다.
이때 문제를 해결하기 위해서는 '완전동형암호'가 필요하다.
앨리스는 각 숫자에 ×2를 부여하는데, 이 2는 잡음으로 간주될 수 있습니다. 소음이 너무 적으면 C에 의해 쉽게 깨질 수 있습니다.
따라서 Alice는 곱셈 위에 덧셈을 도입할 수 있습니다.
물론 아침 9시에 소음이 주요 도로 교차로와 같다면 C를 깨는 난이도는 하늘보다 훨씬 어려울 것입니다.
따라서 앨리스는 4번 곱하고 8번 더할 수 있으므로 C 크래킹 확률이 크게 줄어듭니다.
그러나 Alice는 여전히 "부분적으로" 동형암호화되어 있습니다. 즉, 다음과 같습니다.
(1) 그녀의 암호화된 콘텐츠는 특정 문제만을 대상으로 할 수 있습니다.
(2) 덧셈과 곱셈의 개수가 너무 많아지면 안 되기 때문에(일반적으로 15개 이하) 특정 산술 규칙만 사용할 수 있습니다.
그리고 "전체"는 앨리스가 다항식에 대해 덧셈 암호화와 곱셈 암호화를 여러 번 수행할 수 있도록 허용하여 제3자에게 완전한 계산을 맡길 수 있고 복호화 후 올바른 결과를 얻을 수 있음을 의미합니다.
초장 다항식은 7세 아이들이 겪는 문제인 전기요금 계산 문제뿐만 아니라 세상의 거의 대부분의 수학 문제를 표현할 수 있습니다.
여러 암호화와 결합하면 기본적으로 C가 개인 데이터를 스누핑하려고 할 가능성을 제거하여 "원하는 것과 원하는 것"을 모두 실현합니다.
따라서 "완전 동형 암호화" 기술은 항상 암호화의 성배에 있는 진주였습니다.
실제로 동형암호 기술은 2009년까지 '부분 동형암호'만 지원했다.
2009년 Gentry와 같은 학자들이 제안한 새로운 아이디어는 완전 동형암호의 가능성을 열었습니다. 관심 있는 독자도 이 문서로 이동할 수 있습니다.
많은 친구들은 이 기술의 적용 시나리오에 대해 여전히 의구심을 갖고 있습니다. FHE(완전 동형 암호화) 기술을 사용해야 하는 시나리오는 무엇입니까?
예를 들어 - AI.
강력한 AI에는 충분한 데이터가 필요하다는 것은 누구나 알고 있지만, 많은 데이터의 개인정보 가치는 너무 높습니다. 그렇다면 FHE를 사용하여 이 문제의 "원하는 것과 원하는 것"을 모두 달성할 수 있습니까?
대답은 '예'입니다.
당신은 할 수 있습니다 :
(1) FHE 방법에 따라 민감한 데이터를 암호화합니다.
(2) 암호화된 데이터를 사용하여 계산을 위해 AI에 전달합니다.
(3) 그러면 AI는 누구도 이해할 수 없는 횡설수설을 뱉어낼 것입니다.
비지도 AI는 그 안의 데이터가 본질적으로 벡터이기 때문에 이를 달성할 수 있습니다. AI, 특히 GPT와 같은 생성 AI는 우리가 제공하는 입력을 전혀 이해하지 못하지만, 사용자가 대답하면 최상의 결과를 "예측"합니다.
그러나 이 코드의 혼란은 특정 수학적 규칙을 따르며 이를 암호화하는 데 능숙하므로 다음을 수행합니다.
(4) Alice처럼 네트워크 연결을 끊고 이러한 왜곡된 코드를 로컬에서 해독할 수 있습니다.
(5) 또한, AI가 엄청난 컴퓨팅 성능을 사용하여 민감한 데이터를 전혀 처리하지 않고도 계산을 완료할 수 있도록 함으로써 이를 달성했습니다.
오늘날의 AI는 이를 수행할 수 없으며 GPT에 입력하는 모든 내용을 일반 텍스트로 생각해야 합니다. 이를 달성하려면 FHE가 필요합니다.
이것이 AI와 FHE 사이의 자연스러운 적합성의 근원입니다. 수천 개의 단어가 필요와 욕구라는 한 단어로 번역될 수 있습니다.
FHE는 AI와 연결되어 암호화와 AI라는 두 가지 주요 분야를 포괄하기 때문에 자연스럽게 Zama, Privasea, Mind Network, Fhenix, Sunscreen 등 FHE에 관한 많은 프로젝트가 있습니다. FHE의 방향은 다음과 같습니다. 응용 프로그램은 모든 사람이 자신의 창의력을 가지고 있습니다.
오늘은 @Privasea_ai 프로젝트 중 하나를 가져와서 분석을 해봤습니다. 이는 Binance가 주도하는 FHE 프로젝트입니다. 백서는 얼굴 인식과 같은 매우 관련성이 높은 시나리오를 설명합니다.
두 가지 요구 사항 모두: 기계 컴퓨팅 능력은 그 사람이 실제 사람인지 여부를 결정할 수 있습니다.
또한 중요: 기계는 민감한 얼굴 정보를 처리하지 않습니다.
FHE를 도입하면 이 문제를 효과적으로 해결할 수 있습니다.
그러나 실제로 FHE 계산을 수행하려면 많은 컴퓨팅 성능이 필요합니다. 결국 Alice는 계산이든 암호화이든 암호화를 위해 "무엇이든" 덧셈과 곱셈을 수행해야 합니다. 암호 해독은 많은 컴퓨팅 성능을 소비하는 프로세스입니다.
따라서 Privasea에는 강력한 컴퓨팅 네트워크와 지원 시설을 구축하는 것이 필요합니다. 따라서 Privasea는 이러한 컴퓨팅 파워 네트워크 문제를 해결하기 위해 PoW-like + PoS-like 네트워크 아키텍처를 제안했습니다.
최근 Privasea는 WorkHeart USB라는 자체 PoW 하드웨어를 발표했습니다. 이는 Privasea의 컴퓨팅 파워 네트워크 지원 기능 중 하나로 이해될 수 있습니다. 물론 단순히 채굴기로 이해해도 됩니다.
초기 가격은 0.2 ETH이며, 이는 네트워크 전체 토큰의 6.66%를 채굴할 수 있습니다.
StarFuel NFT라는 PoS와 유사한 자산도 있는데, 이는 총 5,000개로 '근로증명서'로 이해될 수 있습니다.
초기 가격도 0.2 ETH이며, 네트워크 전체 토큰의 0.75%를 (에어드롭을 통해) 받을 수 있습니다.
이 NFT도 좀 흥미롭습니다. PoS와 비슷하지만 실제 PoS는 아닙니다. "PoS가 미국에서 증권이냐"는 질문을 피하려고 합니다.
이 NFT를 통해 사용자는 Privasea 토큰을 모기지할 수 있지만 PoS 수익을 직접 생성하지는 않지만 바인딩된 USB 장치의 채굴 효율성을 두 배로 늘리므로 위장된 PoS입니다.
다시 이야기하자면, AI가 실제로 FHE 기술을 대규모로 대중화할 수 있다면 AI 자체에 있어서 정말 좋은 소식이 될 것입니다. 많은 국가에서 AI 감독의 초점이 데이터 보안과 데이터 개인정보 보호에 있다는 점을 알아야 합니다.
심지어 부적절한 예를 들자면, 러시아-우크라이나 전쟁 당시 일부 러시아 군대가 AI를 활용하려고 시도했지만, 미국의 AI 기업이 많은 배경을 고려하면 정보부는 아마도 허점투성일 것이다.
하지만 AI를 사용하지 않으면 당연히 한참 뒤쳐지게 마련이다. 지금은 격차가 크지 않더라도 앞으로 10년이 주어진다면 AI가 없는 세상은 상상하기 어려울 수도 있다.
따라서 데이터 프라이버시는 양국 간의 전쟁 갈등부터 휴대폰 잠금 해제에 이르기까지 우리 삶의 모든 곳에 존재합니다.
AI 시대에 FHE 기술이 진정으로 성숙해진다면, 그것은 틀림없이 인류를 위한 최후의 방어선이 될 것입니다.
