Tác giả gốc: 0x Todd, Ebunker Lianchuang (X: @0x_Todd)

Thị trường gần đây kém, cuối cùng tôi cũng có đủ thời gian để tiếp tục chia sẻ một số lộ trình kỹ thuật mới. Mặc dù thị trường mã hóa vào năm 2024 sẽ không còn sôi động như xưa nhưng vẫn có một số công nghệ mới đang cố gắng trưởng thành, chẳng hạn như chủ đề chúng ta sẽ nói đến hôm nay: "FHE / Mã hóa hoàn toàn đồng hình (Mã hóa hoàn toàn đồng hình)" .

V God cũng đã xuất bản một bài viết đặc biệt về FHE vào tháng 5 năm nay, được giới thiệu cho những bạn bè quan tâm nên đọc.

Vậy FHE là loại công nghệ gì?

Nếu bạn muốn hiểu thuật ngữ khó hiểu về mã hóa đồng hình hoàn toàn FHE, trước tiên bạn phải hiểu "mã hóa" là gì, "đồng hình" là gì và tại sao lại cần "đầy đủ".

1. Mã hóa là gì?

Mã hóa thông thường là quen thuộc nhất với mọi người. Ví dụ: Alice muốn gửi tin nhắn cho Bob, chẳng hạn như "1314 520".

Nếu bây giờ, chúng ta cần bên thứ ba C chuyển thư và giữ bí mật thông tin thì rất đơn giản - chúng ta chỉ cần mã hóa từng số x 2, chẳng hạn thành "2628 1040".

Khi Bob nhận được nó, anh ấy chia mỗi số cho 2 và giải mã Alice ban đầu là "1314 520".

Bạn có thấy thông qua mã hóa đối xứng, cả hai đã hoàn tất việc truyền thông tin với điều kiện C được yêu cầu phải đóng góp nhưng C không biết thông tin đó. Nhìn chung, trong các bộ phim điệp viên, việc giao tiếp giữa hai sĩ quan liên lạc có thể sẽ không vượt quá phạm vi này.

2. Vậy mã hóa đồng cấu là gì?

Bây giờ độ khó của yêu cầu của Alice đã được nâng cấp:

-Ví dụ: Alice mới 7 tuổi;
-Alice chỉ có thể tính toán số học đơn giản nhất như x 2 và ÷ 2, nhưng không hiểu các phép tính khác.

Được rồi, giả sử Alice phải trả tiền điện hàng tháng cho gia đình Alice là 400 nhân dân tệ, và cô ấy đã nợ tiền điện tổng cộng là 12 tháng.

Tuy nhiên, 400*12 = bao nhiêu, câu hỏi này nằm ngoài khả năng tính toán của Alice, cô bé mới 7 tuổi chưa biết những phép tính phức tạp như vậy.

Tuy nhiên, cô không muốn người khác biết hóa đơn điện máy của mình là bao nhiêu/tháng vì đó là thông tin nhạy cảm.

Vì vậy, Alice nhờ C tính toán giúp mà không tin tưởng C.

Vì cô ấy chỉ biết x 2 2 nên cô ấy đã sử dụng phép nhân x 2 để mã hóa số của mình một cách đơn giản. Vì vậy, cô ấy bảo C tính 80 0x 24 =, tức là: (40 0x 2) nhân (12 x2).

C là một người trưởng thành có trí tuệ tính toán mạnh mẽ. Anh ta nhanh chóng tính bằng miệng 800*24 = 19200 và nói cho Alice biết con số. Sau đó, Alice tính toán kết quả là 19.200 2 2 và sớm biết rằng cô phải trả hóa đơn tiền nước là 4.800 nhân dân tệ.

Bạn có thấy nó không? Đây là mã hóa đồng cấu nhân đơn giản nhất, 800*24 chỉ là ánh xạ của 400*12. Hình dạng thực sự giống nhau trước và sau khi thay đổi nên gọi là "đồng cấu".

Phương thức mã hóa này nhận ra rằng nếu ai đó muốn ủy thác cho một thực thể không đáng tin cậy để tính toán kết quả, anh ta có thể đảm bảo rằng những con số nhạy cảm của mình không bị rò rỉ.

3. Vậy thì tại sao "mã hóa đồng cấu" lại cần phải "hoàn chỉnh"?

Tuy nhiên, đây chỉ là vấn đề ở thế giới lý tưởng. Vấn đề ở thế giới thực không đơn giản như vậy. Không phải ai cũng 7 tuổi hay trung thực như C.

Giả sử một tình huống rất xấu. Ví dụ, C có thể cố gắng suy ra bằng phương pháp đầy đủ rằng số mà Alice muốn tính là 400 và 12.

Tại thời điểm này, cần có "mã hóa đồng cấu hoàn toàn" để giải quyết vấn đề.

Alice cho mỗi số ×2, và 2 này có thể được coi là nhiễu. Nếu ồn quá ít sẽ dễ bị C.

Vì vậy, Alice có thể giới thiệu phép cộng bên trên phép nhân.

Tất nhiên, tốt nhất nếu ồn ào như ngã tư đường chính vào lúc chín giờ sáng thì độ khó bẻ C sẽ còn khó hơn trời.

Vì vậy, Alice có thể nhân 4 lần và cộng 8 lần, nhờ đó xác suất bẻ khóa C giảm đi rất nhiều.

Tuy nhiên, Alice vẫn chỉ được mã hóa đồng cấu "một phần", đó là:

(1) Nội dung được mã hóa của cô ấy chỉ có thể nhắm tới các vấn đề cụ thể;
(2) Cô ấy chỉ có thể sử dụng một số quy tắc số học nhất định vì số phép cộng và phép nhân không được quá nhiều (thường không quá 15).

Và "đầy đủ" có nghĩa là Alice phải được phép thực hiện mã hóa cộng và mã hóa nhân cho một đa thức bất kỳ số lần nào, để bên thứ ba có thể được giao phó việc tính toán hoàn chỉnh và có thể thu được kết quả chính xác sau khi giải mã.

Một đa thức siêu dài có thể biểu diễn hầu hết các bài toán trên thế giới chứ không riêng gì bài toán tính tiền điện vốn là bài toán của trẻ 7 tuổi.

Cùng với bất kỳ số lượng mã hóa nào, về cơ bản, nó loại bỏ khả năng C muốn rình mò dữ liệu riêng tư, thực sự nhận ra "cả muốn và muốn".

Vì vậy, công nghệ "mã hóa hoàn toàn đồng hình" luôn là viên ngọc quý trong Chén Thánh của mật mã.

Trên thực tế, công nghệ mã hóa đồng cấu chỉ hỗ trợ "mã hóa đồng cấu một phần" cho đến năm 2009.

Những ý tưởng mới được đề xuất bởi các học giả như Gentry năm 2009 đã mở ra cánh cửa cho khả năng mã hóa đồng cấu hoàn toàn. Bạn đọc quan tâm cũng có thể chuyển sang bài viết này.

Nhiều bạn vẫn còn nghi ngờ về các kịch bản ứng dụng của công nghệ này. Những kịch bản nào yêu cầu sử dụng công nghệ mã hóa đồng cấu hoàn toàn (FHE)?

Ví dụ - AI.

Mọi người đều biết rằng một AI mạnh mẽ cần có đủ dữ liệu, nhưng giá trị riêng tư của nhiều dữ liệu là quá cao. Vậy có thể sử dụng FHE để đạt được “vừa muốn vừa muốn” của vấn đề này?

Câu trả lời là có.

bạn có thể:
(1) Mã hóa dữ liệu nhạy cảm của bạn theo phương pháp FHE;
(2) Sử dụng dữ liệu đã mã hóa để chuyển cho AI tính toán;
(3) Sau đó AI sẽ phun ra cho bạn một đống từ ngữ vô nghĩa mà không ai có thể hiểu được.

AI không được giám sát có thể đạt được điều này, vì dữ liệu trong đó về cơ bản là vectơ. AI, đặc biệt là AI tổng quát như GPT, hoàn toàn không hiểu dữ liệu đầu vào mà chúng tôi đưa ra, nhưng nó "dự đoán" kết quả tốt nhất thông qua vectơ nếu bạn trả lời.

Tuy nhiên, vì mớ mã lộn xộn này tuân theo các quy tắc toán học nhất định và bạn là bậc thầy về mã hóa nó, nên:

(4) Bạn có thể ngắt kết nối khỏi mạng và giải mã cục bộ các mã bị cắt xén này, giống như Alice;
(5) Hơn nữa, bạn đã đạt được điều này: cho phép AI sử dụng sức mạnh tính toán khổng lồ để giúp bạn hoàn thành các phép tính mà không cần phải xử lý dữ liệu nhạy cảm của mình.

AI ngày nay không thể làm được điều này và phải từ bỏ quyền riêng tư. Hãy nghĩ về mọi thứ bạn nhập vào GPT ở dạng văn bản thuần túy! Để đạt được điều này, cần phải có FHE.

Đây chính là gốc rễ của sự ăn khớp tự nhiên giữa AI và FHE. Hàng nghìn từ có thể dịch thành một từ: vừa cần vừa cần.

Vì FHE được liên kết với AI và mở rộng sang hai lĩnh vực chính là mã hóa và AI nên nó đương nhiên nhận được nhiều sự ưu ái hơn. Có nhiều dự án về FHE, chẳng hạn như Zama, Privasea, Mind Network, Fhenix, Sunscreen, v.v. Định hướng của FHE. ứng dụng là Mọi người đều có sự sáng tạo của riêng mình.

Hôm nay tôi đã lấy một trong những dự án @Privasea_ai và phân tích. Đây là dự án FHE do Binance dẫn đầu. Sách trắng của nó mô tả một kịch bản rất phù hợp, chẳng hạn như nhận dạng khuôn mặt.

Cả hai yêu cầu: sức mạnh tính toán của máy có thể xác định xem người đó có phải là người thật hay không;

Cũng quan trọng: máy không xử lý bất kỳ thông tin nhạy cảm nào trên khuôn mặt.

Sự ra đời của FHE có thể giải quyết vấn đề này một cách hiệu quả.

Tuy nhiên, nếu bạn thực sự muốn thực hiện các phép tính FHE trong thế giới thực, bạn sẽ cần rất nhiều sức mạnh tính toán, Alice phải thực hiện "bất kỳ số lượng" phép cộng và phép nhân nào cho dù đó là tính toán, mã hóa hay mã hóa. giải mã, đó là một quá trình tiêu tốn rất nhiều sức mạnh tính toán.

Vì vậy, việc xây dựng một mạng lưới tính toán mạnh mẽ và các cơ sở hỗ trợ tại Privasea là cần thiết. Do đó, Privasea đã đề xuất kiến trúc mạng giống PoW + giống PoS để giải quyết vấn đề mạng điện toán này.

Mới đây, Privasea vừa công bố phần cứng PoW của riêng mình có tên WorkHeart USB. Đây có thể hiểu là một trong những phương tiện hỗ trợ cho mạng điện toán của Privasea. Tất nhiên, bạn có thể hiểu đơn giản là một cỗ máy khai thác.

Giá ban đầu là 0,2 ETH, có thể khai thác 6,66% tổng số token của mạng.

Ngoài ra còn có một tài sản giống như PoS có tên là StarFuel NFT, có thể hiểu là “chứng chỉ công việc” với tổng số là 5.000.

Giá ban đầu cũng là 0,2 ETH và bạn có thể nhận được 0,75% tổng số token của mạng (thông qua airdrop).

NFT này cũng hơi thú vị. Nó tương tự như PoS, nhưng không phải là PoS thực sự. Nó đang cố gắng tránh câu hỏi "liệu PoS có phải là chứng khoán ở Hoa Kỳ hay không".

NFT này cho phép người dùng thế chấp mã thông báo Privasea, nhưng nó không trực tiếp tạo ra thu nhập PoS nhưng tăng gấp đôi hiệu quả khai thác của thiết bị USB bị ràng buộc của bạn, vì vậy nó là một PoS trá hình.
Quay lại vấn đề kinh doanh, nếu AI thực sự có thể phổ biến công nghệ FHE trên quy mô lớn thì đó sẽ thực sự là một tin tốt cho chính AI. Bạn phải biết rằng trọng tâm giám sát AI của nhiều quốc gia là bảo mật dữ liệu và quyền riêng tư dữ liệu.

Thậm chí, để đưa ra một ví dụ không phù hợp, trong Chiến tranh Nga-Ukraine, một số lực lượng quân sự Nga đã cố gắng sử dụng AI. Tuy nhiên, xét đến bối cảnh của một số lượng lớn các công ty AI ở Mỹ, bộ phận tình báo có thể sẽ có nhiều lỗ hổng.

Nhưng nếu không sử dụng AI, đương nhiên bạn sẽ bị tụt lại phía sau rất xa. Ngay cả khi khoảng cách bây giờ không lớn thì trong 10 năm nữa, chúng ta có thể không thể tưởng tượng được một thế giới không có AI.

Do đó, quyền riêng tư dữ liệu tồn tại ở mọi nơi trong cuộc sống của chúng ta, từ xung đột chiến tranh giữa hai quốc gia cho đến việc mở khóa bằng khuôn mặt trên điện thoại di động.

Trong thời đại AI, nếu công nghệ FHE có thể thực sự trưởng thành thì chắc chắn nó sẽ là tuyến phòng thủ cuối cùng của nhân loại.

Liên kết gốc