ส่งต่อชื่อเรื่องต้นฉบับ 'คู่มืออบรมการเข้ารหัสแบบประมวลผลได้เต็มรูปแบบ (FHE)’

สรุปคำสั้ง:

• Fully Homomorphic Encryption (FHE) เป็นเทคโนโลยีการป้องกันความเป็นส่วนตัวรุ่นถัดไปที่กำลังจะเกิดขึ้นและคุ้มค่าในการลงทุนของเรา FHE มีความสามารถในการป้องกันความเป็นส่วนตัวที่เหมาะสมอย่างสมบูรณ์ แต่ยังมีช่องว่างในเรื่องประสิทธิภาพ เราเชื่อว่าด้วยการเข้าร่วมของทุนคริปโต เทคโนโลยีจะได้รับการพัฒนาและเข้าสู่การเจริญเติบโตอย่างรวดเร็วเช่นเดียวกับการพัฒนา ZK ในปีสุดท้าย
• การเข้ารหัส Homomorphic เต็มรูปแบบสามารถใช้ใน Web3 สําหรับการปกป้องความเป็นส่วนตัวของธุรกรรมการปกป้องความเป็นส่วนตัวของ AI และตัวประมวลผลร่วมด้านการปกป้องความเป็นส่วนตัว ในหมู่พวกเขาฉันชอบ EVM ที่ปกป้องความเป็นส่วนตัวเป็นพิเศษซึ่งมีความยืดหยุ่นและเหมาะกับ EVM มากกว่าลายเซ็นแหวนที่มีอยู่เทคโนโลยีการผสมเหรียญและ ZK
• เราได้ทําการวิจัยโครงการ FHE ที่โดดเด่นหลายโครงการซึ่งส่วนใหญ่จะเผยแพร่บน mainnet ตั้งแต่ปีนี้ถึงไตรมาสแรกของปีหน้า ในบรรดาโครงการเหล่านี้ ZAMA มีเทคโนโลยีที่แข็งแกร่งที่สุด แต่ยังไม่ได้ประกาศแผนการที่จะออกโทเค็น นอกจากนี้เรายังถือว่า Fhenix เป็นโครงการ FHE ที่ดีที่สุดในหมู่พวกเขา

1. FHE เป็นเทคโนโลยีการป้องกันความเป็นส่วนตัวที่เหมาะสม

1.1 บทบาทของการเข้ารหัสแบบประมวลผลได้เต็มรูปแบบ

Fully Homomorphic Encryption (FHE) เป็นรูปแบบหนึ่งของการเข้ารหัสที่ช่วยให้ผู้คนสามารถทําการบวกและการคูณจํานวนตามอําเภอใจบนข้อความเข้ารหัสเพื่อให้ได้ผลลัพธ์ที่ยังคงเข้ารหัสอยู่ เมื่อถอดรหัสผลลัพธ์จะเหมือนกับว่าการดําเนินการได้ดําเนินการบนข้อความธรรมดา สิ่งนี้บรรลุข้อมูลที่ "คํานวณได้ แต่มองไม่เห็น"

การเข้ารหัสแบบประมวลผลได้เต็มรูปแบบเป็นอย่างมากเหมาะสำหรับการคำนวณแบบนอกบ้าน คุณสามารถนำข้อมูลไปใช้งานกับพลังคำนวณภายนอกโดยไม่ต้องกังวลเรื่องการรั่วไหลข้อมูล

ในคำพูดที่เข้าใจง่าย เช่น คุณเป็นผู้ประกอบการ และข้อมูลของบริษัทมีค่ามาก คุณต้องการใช้บริการคลาวด์ที่มีประโยชน์ในการประมวลผลและคำนวณข้อมูลนี้ แต่คุณกังวลเกี่ยวกับการรั่วไหลของข้อมูลในคลาวด์ จากนั้นคุณสามารถ:

1. แปลงข้อมูลเป็นข้อความลับผ่านการเข้ารหัสแบบประมวลผลได้เต็มรูปแบบ แล้วอัปโหลดไปยังเซิร์ฟเวอร์บนคลาวด์ ตัวอย่างเช่น ตัวเลข 5 และ 10 ในภาพข้างต้นจะถูกเข้ารหัสเป็นข้อความลับและแสดงเป็น “X” และ “YZ”
2. เมื่อคุณต้องการทำการดำเนินการกับข้อมูล เช่น หากคุณต้องการเพิ่มจำนวน 5 และ 10 คุณเพียงต้องให้ข้อความลับ "X" และ "YZ" บนเซิร์ฟเวอร์คลาวด์ดำเนินการ การดำเนินการข้อความปกติ + ที่ระบุโดยอัลกอริทึม ผลลัพธ์ของการดำเนินการบางอย่างทำให้ผลลัพธ์ข้อความลับ "PDQ"
3. หลังจากที่ผลลัพธ์ข้อความที่เข้ารหัสถูกดาวน์โหลดจากเซิร์ฟเวอร์คลาวด์แล้ว จะถูกถอดรหัสเพื่อให้ได้ข้อความปกติ คุณจะพบว่าผลลัพธ์ข้อความปกติเป็นผลลัพธ์ของการดำเนินการ 5 + 10

ข้อความธรรมดาจะปรากฏต่อคุณเท่านั้นในขณะที่ทั้งหมดที่จัดเก็บและคํานวณบนเซิร์ฟเวอร์คลาวด์เป็นข้อมูลข้อความเข้ารหัส วิธีนี้คุณไม่ต้องกังวลกับการรั่วไหลของข้อมูล แนวทางการรักษาความเป็นส่วนตัวนี้เหมาะอย่างยิ่ง

• การเข้ารหัสแบบกึ่งโฮโมมอร์ฟิก: การเข้ารหัสแบบกึ่งโฮโมมอร์ฟิกเป็นวิธีที่ง่ายและมีประโยชน์มากกว่า การเข้ารหัสแบบกึ่งโฮโมมอร์ฟิกหมายถึงว่าข้อความที่ถูกเข้ารหัสมีคุณสมบัติโฮโมมอร์ฟิกเพียงคุณสมบัติเดียว เช่น การเพิ่มข้อมูลโฮโมมอร์ฟิก/การคูณข้อมูลโฮโมมอร์ฟิก
• โดยประมาณเชิงโฮโมมอร์ฟิก: ช่วยให้เราสามารถคำนวณการบวกและคูณบนข้อความลับพร้อมกัน แต่จำนวนครั้งที่สนับสนุนมีจำกัดมาก
• การเข้ารหัสแบบประมวลผลได้เต็มรูปแบบของชุดจำกัด: ช่วยให้เราสามารถดำเนินการคำนวณใด ๆ ที่เกี่ยวข้องกับการบวกและการคูณบนข้อความเข้ารหัส โดยไม่มีข้อจำกัดใด ๆ ในจำนวนครั้ง แต่มีขีดจำกัดของความซับซ้อนใหม่ ซึ่งจำกัดความซับซ้อนของฟังก์ชัน
• การเข้ารหัสแบบประมวลผลได้เต็มรูปแบบ: มันต้องรองรับจำนวนการบวกและการคูณใด ๆ โดยไม่มีข้อจำกัดใด ๆ เกี่ยวกับความซับซ้อนและจำนวนครั้ง

การเข้ารหัสแบบประมวลผลได้เต็มรูปแบบเป็นสิ่งที่ยากที่สุดและเป็นอย่างที่理想ที่สุดที่นี่ และถูกเรียกว่า “กาลคาถาของการเข้ารหัส

1.2 ประวัติศาสตร์

การเข้ารหัสแบบประมวลผลได้เต็มรูปแบบมีประวัติยาวนาน

• 1978: แนวคิดของการเข้ารหัสแบบประมวลผลได้เต็มรูปแบบถูกเสนอ
• ปี 2009 (รุ่นแรก): วิธีการเข้ารหัสแบบประมวลผลได้เต็มรูปแบบครั้งแรกถูกข้อเสนอ
• ปี 2011 (รุ่นที่สอง): มีการแนะนำรูปแบบการเข้ารหัสแบบประมวลผลได้เต็มรูปแบบที่พึ่งพาบนจำนวนเต็ม มันเรียกได้ง่ายกว่าผลลัพธ์ก่อนหน้า แต่ประสิทธิภาพไม่ได้ดีขึ้น
• ปี 2013 (รุ่นที่สาม): มีการ предложена новая технология GSW для построения решения FTE, которое более эффективно и безопасно. Эта технология была дальше улучшена и разработаны FHEW и TFHE, дальнейшее улучшение эффективности.
• 2016(รุ่นที่สี่): นำเสนอแผนการเข้ารหัสแบบโฮโมมอร์ฟิก CKKS ซึ่งเป็นวิธีที่มีประสิทธิภาพที่สุดสำหรับการประเมินการประมาณพหุนามและเหมาะสำหรับการประยุกต์ใช้สำหรับการเรียนรู้ของเครื่องที่ให้ความเป็นส่วนตัว

อัลกอริทึมที่รองรับโดยไลบรารีการเข้ารหัสแบบโฮโมมอร์ฟิกที่ใช้กันอยู่ในปัจจุบันส่วนใหญ่เป็นอัลกอริทึมรุ่นที่สามและสี่ นวัตกรรมในด้านอัลกอริทึม การปรับแต่งทางวิศวกรรม บล็อกเชนที่เป็นมิตรมากขึ้น และการเร่งความเร็วด้วยฮาร์ดแวร์ง่ายต่อการเกิดขึ้น

1.3 ประสิทธิภาพและความพร้อมใช้งานปัจจุบัน

ไลบรารีการเข้ารหัสแบบโฮโมมอร์ฟิกที่ใช้บ่อย:

ประสิทธิภาพของ ZAMA TFHE:

ตัวอย่างเช่น: การบวกและการลบ 256 บิตของ ZAMA TFHE ใช้เวลาประมาณ 200ms และการคํานวณข้อความธรรมดาใช้เวลาประมาณสิบถึงหลายร้อยนาโนวินาที ความเร็วในการคํานวณ FHE ช้ากว่าการคํานวณข้อความธรรมดาประมาณ 10^6 เท่า การดําเนินการที่ปรับให้เหมาะสมบางส่วนจะช้ากว่าข้อความธรรมดาประมาณ 1,000 เท่า แน่นอนว่ามันไม่ยุติธรรมโดยเนื้อแท้ที่จะเปรียบเทียบการคํานวณข้อความเข้ารหัสกับการคํานวณข้อความธรรมดา มีราคาที่ต้องจ่ายสําหรับความเป็นส่วนตัวไม่ต้องพูดถึงเทคโนโลยีการปกป้องความเป็นส่วนตัวในอุดมคติของ homomorphism อย่างเต็มที่

ZAMA มีเป้าหมายที่จะเพิ่มประสิทธิภาพผ่านการพัฒนาฮาร์ดแวร์ FHE

1.4 ทิศทางการวิจัยทางเทคนิคสำหรับการเข้ารหัสแบบโฮโมมอร์ฟิกใน Web3

Web3 เป็นที่เริ่มต้นแบบกระจาย และการรวม Fully Homomorphic Encryption (FHE) กับ Web3 เปิดโอกาสทางวิจัยที่มีความสัญจร หลายทาง

• พัฒนาชุดรหัสการเข้ารหัสแบบโฮโมร์ฟิกที่นวัตกรรมขึ้น คอมไพเลอร์ และห้องสมุดให้ FHE เหมาะสมกับการใช้งานบล็อกเชนมากขึ้น รวดเร็วขึ้น และใช้งานง่ายขึ้น
• การสร้างฮาร์ดแวร์ FHE เพื่อเพิ่มประสิทธิภาพในการคำนวณ
• การผสม FHE กับ Zero-Knowledge Proofs (ZKP) เพื่อให้มั่นใจในการคำนวณที่เป็นส่วนตัวในขณะที่พิสูจน์ว่าข้อมูลเข้าและข้อมูลออกตรงตามเงื่อนไขที่กำหนดหรือว่าการดำเนินการ FHE ถูกต้อง
• การป้องกันโหนดการคำนวณจากพฤติกรรมที่ไม่เพียงถี่ถ้วน โดยใช้วิธีการเช่น EigenLayer restaking ได้
• การนำ MPC (Multi-Party Computation) มาใช้ในการถอดรหัสโดยที่สถานะที่ถูกแชร์ถูกเข้ารหัสและใช้ MPC sharding เป็นกุญแจ จึงต้องใช้โปรโตคอลการถอดรหัสแบบค่าความปลอดภัยและประสิทธิภาพสูง
• การเพิ่มความพร้อมในการใช้ข้อมูล (DA) เพื่อให้มีประสิทธิภาพสูงขึ้น เนื่องจากการติดตั้ง Celestia ปัจจุบันไม่ตรงตามความต้องการที่จำเป็น

สรุปแล้ว เรามองว่าการเข้ารหัสแบบประมวลผลได้เต็มรูปแบบ (FHE) เป็นเทคโนโลยีการป้องกันความเป็นส่วนตัวรุ่นใหม่ที่กำลังเติบโตอย่างรวดเร็ว ในขณะที่มีความสามารถในการปกป้องความเป็นส่วนตัวอย่างยอดเยี่ยม แต่ยังมีความท้าทายทางประสิทธิภาพที่ต้องเผชิญหน้า ด้วยการเพิ่มขึ้นของเงินทุนดิจิทัลเราคาดหวังว่าเทคโนโลยีนี้จะพัฒนาอย่างรวดเร็วและแก่ช่วงเวลาที่เหมือนกับความคืบหน้าที่เห็นได้จาก Zero-Knowledge Proofs (ZK) ในปีที่ผ่านมา กลุ่มภาคเอกชนแบบ FHE นั้นแน่นอนว่าคุ้มค่าที่จะลงทุนของเรา

2. FHE ใช้ในสถานการณ์การป้องกันความเป็นส่วนตัวต่างๆ ใน Web3 ซึ่งฉันเชื่อมั่นมากที่สุดคือ EVM ความเป็นส่วนตัว

FHE เป็นส่วนหนึ่งของแนวทางการป้องกันความเป็นส่วนตัว อย่างง่ายดายก็คือรวมอยู่ใน "การป้องกันความเป็นส่วนตัวของการทำธุรกรรม" + "การป้องกันความเป็นส่วนตัวของ AI" + "Coprocessor การรักษาความเป็นส่วนตัว"

• การป้องกันความเป็นส่วนตัวของธุรกรรมรวมทั้งการป้องกันความเป็นส่วนตัวของ Defi, การลงคะแนนเสียง, การเสนอราคา, การป้องกัน MEV และอื่น ๆ
• การปกป้องความเป็นส่วนตัวของ AI ยังรวมถึงเรื่องของตัวตนที่ไม่มีการกำหนดจากศูนย์กลาง รวมถึงการปกป้องความเป็นส่วนตัวของโมเดล AI และข้อมูลอื่น ๆ
• โปรเซสเซอร์ป้องกันความเป็นส่วนตัวทำการดำเนินการข้อความที่เข้ารหัสแบบประมวลผลได้เต็มรูปแบบนอกเครื่องและสุดท้ายส่งผลลัพธ์กลับสู่โซ่ สามารถใช้สำหรับเกมที่ไม่มีการเชื่อมต่อและอื่นๆ

แน่นอน มีเทคโนโลยีการป้องกันความเป็นส่วนตัวมากมาย และคุณจะทราบถึงความพิเศษของการเข้ารหัสแบบโฮโมมอร์ฟิกโดยการเปรียบเทียบกับพวกเขา

• TEE เร็วมาก ข้อมูลจะถูกจัดเก็บและคํานวณเป็นข้อความธรรมดาในฮาร์ดแวร์ที่เชื่อถือได้ดังนั้นจึงรวดเร็วมาก แต่ต้องอาศัยฮาร์ดแวร์ที่ปลอดภัย จริงๆแล้วมันเชื่อถือผู้ผลิตฮาร์ดแวร์มากกว่าอัลกอริทึม รูปแบบความน่าเชื่อถือนี้รวมศูนย์ และการตรวจสอบการคํานวณบางอย่างของ TEE จําเป็นต้องเชื่อมต่อกับผู้ผลิต TEE สําหรับการตรวจสอบระยะไกล สิ่งนี้ไม่เหมาะสําหรับการรวมเข้ากับบล็อกเชนสําหรับการตรวจสอบแบบ on-chain เนื่องจากเราต้องการการตรวจสอบแบบ on-chain เฉพาะโหนดข้อมูลในอดีตของบล็อกเชนเท่านั้นที่สามารถทําได้อย่างอิสระและไม่ควรพึ่งพาสถาบันส่วนกลางภายนอก
• การคํานวณแบบหลายฝ่ายที่ปลอดภัยของ MPC ยังเป็นเทคโนโลยีการคํานวณแบบหลายฝ่ายที่ปกป้องความเป็นส่วนตัว อย่างไรก็ตามเทคโนโลยีนี้มักกําหนดให้หลายฝ่ายต้องออนไลน์ในเวลาเดียวกันและโต้ตอบบ่อยครั้งและมักจะไม่เหมาะสําหรับสถานการณ์แบบอะซิงโครนัสเช่นบล็อกเชน MPC ส่วนใหญ่จะใช้สําหรับการจัดการคีย์แบบกระจายอํานาจ ในกระเป๋าเงิน MPC คีย์ส่วนตัวจะไม่ถูกเก็บไว้ในรูปแบบที่สมบูรณ์ทุกที่ คีย์ส่วนตัวจะถูกแบ่งออกเป็นหลายส่วน (หรือชิ้นส่วน) ที่เก็บไว้ในอุปกรณ์หรือโหนดต่างๆ เฉพาะเมื่อจําเป็นต้องลงนามในธุรกรรมส่วนแบ่งข้อมูลหลายส่วนจะเข้าร่วมในการคํานวณผ่านโปรโตคอลการคํานวณแบบหลายฝ่ายเพื่อสร้างลายเซ็น
• การพิสูจน์ที่ไม่รู้จักศูนย์ (ZK) ใช้สำหรับพิสูจน์การคำนวณเพื่อพิสูจน์ว่ากระบวนการคำนวณบางอย่างถูกดำเนินไปอย่างถูกต้อง และน้อยมากที่จะใช้สำหรับการปกป้องความเป็นส่วนตัว ZK และเทคโนโลยีโฮโมมอร์ฟิกไม่สามารถแยกจากกันได้ด้วย และเทคโนโลยีโฮโมมอร์ฟิกยังถูกนำมาใช้ในส่วนการปกป้องความเป็นส่วนตัว
• การเข้ารหัสแบบ homomorphic เต็มรูปแบบของ FHE ไม่จําเป็นต้องมีการแลกเปลี่ยนข้อมูลระหว่างกระบวนการดําเนินการเข้ารหัสและสามารถคํานวณได้อย่างสมบูรณ์บนเซิร์ฟเวอร์ / โหนด ดังนั้น MPC จึงไม่ต้องการให้ผู้ริเริ่ม/หลายฝ่ายออนไลน์และเหมาะสําหรับบล็อกเชนมากกว่า และเมื่อเทียบกับ TEE แล้ว Trustless ข้อเสียเปรียบเพียงอย่างเดียวคือประสิทธิภาพไม่สูง

ดังนั้น ถ้า FHE ปรับปรุงประสิทธิภาพโดยเรื่อย ๆ ความสามารถในการป้องกันความเป็นส่วนตัวของมันจึงเหมาะสำหรับ Web3 มากขึ้น

ในเวลาเดียวกันในเชิงความเป็นส่วนตัวของธุรกรรมการเข้ารหัสแบบประมวลผลได้เต็มรูปแบบก็เหมาะสำหรับ EVM มากกว่าเพราะ:

• เทคโนโลยีลายเซ็นแบบวงแหวนและการผสมสกุลเงินไม่สามารถรองรับสัญญาได้
• สำหรับโครงการการป้องกันความเป็นส่วนตัว ZK เช่น Aleo ข้อมูลส่วนตัวคล้ายกับโมเดล UTXO ไม่ใช่โมเดลบัญชี EVM
• การเข้ารหัสแบบประมวลผลได้เต็มรูปแบบสามารถสนับสนุนทั้งโมเดลสัญญาและโมเดลบัญชีและสามารถนำมาผสานเข้ากับ EVM ได้อย่างง่ายดาย

ในทางตรงกันข้ามนั้น การเข้ารหัสแบบประมวลผลได้เต็มรูปแบบ EVM นั้นน่าสนใจอย่างแน่นอน

การคำนวณ AI เป็นเรื่องที่ต้องใช้ความหนาแน่นทางคำนวณอย่างเชี่ยวชาญและการเพิ่มโหมดการเข้ารหัสที่ซับซ้อนเช่นการเข้ารหัสแบบประมวลผลได้เต็มรูปแบบอาจทำให้ประสิทธิภาพต่ำและมีค่าใช้จ่ายสูงในขณะนี้ ฉันคิดว่าการป้องกันความเป็นส่วนตัวของ AI ในที่สุดจะเป็นการแก้ปัญหาแบบผสมของ TEE/MPC/ZK/semi-homomorphic

สรุปมากมาย การเข้ารหัสแบบประมวลผลได้เต็มรูปแบบสามารถนำมาใช้ในการป้องกันความเป็นส่วนตัวของธุรกรรม Web3Transaction การป้องกันความเป็นส่วนตัวของ AI และการป้องกันความเป็นส่วนตัวของหน่วยประมวลผลร่วมกัน ในนั้น ฉันเชื่อมั่นในการป้องกันความเป็นส่วนตัวของ EVM มากที่สุด มันยืดหยุ่นกว่าและเหมาะสำหรับ EVM มากกว่าลายเซ็นต์แหวนที่มีอยู่และเทคโนโลยีการผสมสกุลเงิน และ ZK

3. โครงการ FHE ส่วนใหญ่จะเปิดตัวบน Mainnet ระหว่างปีนี้และไตรมาสแรกของปีหน้า ซึ่งเราเชื่อว่า Fhenix เป็นโครงการ FHE ที่ดีที่สุดนอกเหนือจาก ZAMA

เราได้ประเมินโครงการการเข้ารหัสแบบประมวลผลได้เต็มรูปแบบ (FHE) ที่นำเสนออยู่ในขณะนี้หลายโครงการชั้นนำ นี่คือภาพรวมสั้น ๆ:

3.1 ZAMA (เครื่องมือ)

ภาพรวม: ZAMA ให้คำแนะนำเกี่ยวกับการเข้ารหัสแบบประมวลผลได้เต็มรูปแบบสำหรับบล็อกเชนและ AI

• เครื่องมือ: TFHE-rs, การประมาณของ TFHE ภาษา Rust
• เครื่องมือ: Concrete, ตัวคอมไพล์เลอร์สำหรับ TFHE
• ผลิตภัณฑ์: Concrete ML, เครื่องมือการเรียนรู้แบบส่วนตัว
• ผลิตภัณฑ์: fhEVM, สัญญาอัจฉริยะที่สงวนความเป็นส่วนตัว
• ทีม:
  • CTO & Co-Founder: Pascal Paillier, นักเขียนระลึกชื่อชาวฝรั่งเศส ที่ได้รับปริญญาเอกจาก Telecom ParisTech เมื่อปี 1999 และประดิษฐ์ระบบการเข้ารหัส Paillier ในปีเดียวกัน โดยเขาได้เผยแพร่บทความเกี่ยวกับการเข้ารหัสแบบโฮโมมอร์ฟิกตั้งแต่ปี 2013 และเป็นผู้เชี่ยวชาญชั้นนำในวงการ
  • CEO & ผู้ร่วมก่อตั้ง: Rand Hindi, ผู้ที่สำเร็จการศึกษาปริญญาเอกในสาขาชีวสารสนเทศที่ UCL เมื่อปี 2011 เขาเคยทำงานในโครงการวิทยาการข้อมูลหลายๆ โครงการและให้คำปรึกษาในโครงการหลายๆ โครงการพร้อมกับงานของเขาที่ ZAMA
• การระดมทุน: ในช่วง 4 ปีที่ผ่านมา ZAMA ได้ระดมทุนมากกว่า 82 ล้านดอลลาร์ รอบ Series A ล่าสุดของพวกเขาได้รับทุนเพิ่มเติม 73 ล้านดอลลาร์ ซึ่งนำโดย Multicoin Capital และ Protocol Labs
  • เมื่อวันที่ 26 กันยายน พ.ศ. 2566 พวกเขาได้เรียกเงินทุนรอบเมล็ดพันล้านเป็นเงิน 7 ล้านดอลลาร์ ภายใต้การนำทีมโดย Multicoin Capital พร้อมร่วมสนับสนุนจาก Node Capital, Bankless Ventures, Robot Ventures, Tane Labs, HackVC และ Metaplanet

3.2 Fhenix (EVM + AI)

• บรรณาธิการ: FHE Coprocessor/L2 FHE Rollup (ความเป็นส่วนตัว L2 ที่เข้ากันได้กับ EVM)
  • ผลิตภัณฑ์: Rollup รองรับ FHE และเป็นสัญญาอัจฉริยะที่เป็น EVM-compatible โดยนักพัฒนาใช้ Solidity เพื่อพัฒนา Dapps พร้อมทั้งรักษาความเป็นส่วนตัวของข้อมูล
  • ผลิตภัณฑ์: FHE coprocessor ที่โหลดงานการคำนวณที่ถูกเข้ารหัสจากโฮสต์เชน (ไม่ว่าจะเป็น Ethereum, L2 หรือ L3) ไปยังออฟเชน พวกเขาเพิ่มประสิทธิภาพของการดำเนินการที่ใช้ FHE อย่างมาก
  • ความร่วมมือ: ร่วมมือกับ Zama โดยใช้ fhEVM ของ ZAMA และไลบรารี ZAMA บน github ถูก fork
  • การร่วมมือ: ร่วมมือกับ EigenLayer, โหนดของ Rollup ต้องถูกสร้างใหม่ใน EigenLayer
• ทีม: กาย อิทซึกิ มีประสบการณ์การทำงานกว่า 7 ปีที่อินเทลและเป็นผู้อำนวยการที่อินเทลในด้านการเข้ารหัสแบบโฮโมมอร์ฟิกและการพัฒนาธุรกิจบล็อกเชน
  • ผู้ก่อตั้ง: Guy Zyskind, นักศึกษาปรัชญาดุษฎีบัณฑิตที่ MIT, MSC ที่ MIT เมื่อ 2016. เข้าร่วมในการวิจัยและพัฒนาโปรโตคอลความเป็นส่วนตัว MIT Enigma และมีความสามารถทางวิจัยและพัฒนาที่แข็งแรง
  • CEO: Guy Itzhaki มีประสบการณ์การทำงานที่ Intel 7 ปีและมีประสบการณ์ที่แข็งแกร่งในด้านการป้องกันความเป็นส่วนตัว เคยเป็นผู้อำนวยการธุรกิจการเข้ารหัสแบบโฮโมมอร์ฟิกและบล็อกเชนของ Intel
  • Prof. Chris, Peikert, Cryptozoologists สำหรับการเข้ารหัสแบบประมวลผลได้เต็มรูปแบบ ผู้นำด้านการเข้ารหัสของ Algorand
• การจัดหาเงินทุน: 1 ปี รอบ Series A ล่าสุดเพิ่มขึ้น 15 ล้านดอลลาร์ โดยมี Hack VC เป็นผู้นำ ตามด้วย Foresight Ventures และสถาบันอื่น ๆ
  • ในเดือนพฤษภาคม พ.ศ. 2567 รอบที่ A ได้รับเงิน 15 ล้านดอลลาร์ โดยมี Hack VC เป็นผู้นำ ตามมาด้วย Foresight Ventures และสถาบันอื่น ๆ
  • ในวันที่ 26 กันยายน ค.ศ. 2023 รอบ Seed ได้รวบรวมเงิน 7 ล้านดอลลาร์สหรัฐ โดยมี Multicoin Capital เป็นผู้นำ ร่วมทีมด้วย Node Capital, Bankless Ventures, Robot Ventures, Tane Labs, HackVC และ Metaplanet
• แผนงาน: เครือข่ายทดสอบจะเปิดตัวในไตรมาสที่ 2 ปี 2024 และจะเปิดตัวในไตรมาสที่ 1 ปี 2025
  • ในไตรมาสที่ 2 ของปี พ.ศ. 2567 เครือข่ายค่ายแรกจะถูกเปิดเผย
  • ในไตรมาส Q3 ปี 2024 มีตัวประมวลผล FHE Co-processor V0.
  • Q1 2025, mainnet
  • 2025 ไตรมาส 3, FHE Co-processor V1.

3.3 Inco (EVM)

• บทบรรยาย: ชั้นความเป็นส่วนตัวแบบโมดูลาร์/สนับสนุนโซ่ EVM
  • ผลิตภัณฑ์: Rollup รองรับ FHE และเป็นสัญญาอัจฉริยะที่เป็น EVM-compatible ที่มีความลับของข้อมูล นักพัฒนาใช้ Solidity เพื่อพัฒนา Dapps พร้อมตรวจสอบความเป็นส่วนตัวของข้อมูล
  • ความร่วมมือ: ร่วมมือกับ Zama และใช้ ZAMA's fhEVM
• ทีม: ผู้ก่อตั้ง Remi Ga ซึ่งเคยทำงานเป็นวิศวกรソフトแวร์ที่ไมโครซอฟท์และกูเกิลในวันก่อน และมีส่วนร่วมในโปรเจค DeFi ของ Parallel Finance
  • ผู้ก่อตั้ง: รีมี่ ไก มีประสบการณ์ 6 ถึง 9 เดือนเป็นวิศวกรซอฟต์แวร์ที่ไมโครซอฟท์และกูเกิลตามลำดับ และภายหลังได้ทำงานกับโครงการ Parallel Finance และโครงการ DeFi
  • หัวหน้าทีมเทคโนโลยี: Amaury A, นักพัฒนาหลักของ Cosmos
• การจัดหาเงินทุน: การจัดหาเงินทุนรอบล่าสุดคือ 4.5 ล้าน หยวน โดยมี 1kx เป็นผู้นำ
  • ในเดือนกุมภาพันธ์ 2024 Inco Network ได้เสร็จสิ้นรอบเงินทุนระดับเมล็ดพันล้านดอลลาร์ มูลค่า 4.5 ล้านดอลลาร์ ซึ่งถูกนำทางโดย 1kx และมีการเข้าร่วมจาก Circle Ventures, Robot Ventures, Portal VC, Alliance DAO, Big Brain Holdings, Symbolic, GSR, Polygon Ventures, Daedalus, Matter Labs และ Fenbushi. cast
• ความคืบหน้า: Testnet เปิดในเดือนมีนาคม 2024, mainnet เปิดในไตรมาส 4 ปี 2024
  • ในเดือนมีนาคม พ.ศ. 2567 จะเริ่มเปิดใช้งานเครือข่ายทดสอบรวมถึง fhEVM ปัจจุบันมีตัวอย่างหลายรายการที่ปกป้องความเป็นส่วนตัวของ ERC-20, การลงคะแนนเลือกตั้งที่ปกป้องความเป็นส่วนตัว, การถ่ายภาพแบบบลายดิจิตอลและการยืนยันตัวตนที่ปกป้องความเป็นส่วนตัว
  • ในไตรมาส Q2~Q3 ปี 2024 จะเปิดตัวเครือข่ายทดสอบที่รวมถึง fhEVM
  • ไตรมาส 4 ปี 2024 บนเครือข่ายหลัก
  • ในปี 2025 เราวางแผนที่จะนำเสนอการเร่งความเร็วของฮาร์ดแวร์ FPGA โดยหวังว่า TPS จะถึง 100~1000

3.4 Mind Network (AI&DePIN)

• บทนำ: การป้องกันความเป็นส่วนตัวของข้อมูลและการคำนวณเชิงส่วนตัว ปัญญาประดิษฐ์และข้อมูล DePIN และโมเดล
  • ผลิตภัณฑ์: 23 ปีของเรื่องราวเป็น Privacy Data Lake การจัดเก็บและคำนวณข้อมูลที่รักษาความเป็นส่วนตัว ในปีนี้มีการปรับปรุงการป้องกันความเป็นส่วนตัวสำหรับ AI และ DePIN ข้อมูลและโมเดล
  • ความร่วมมือ: ร่วมมือกับ ZAMA และใช้ห้องสมุดการเข้ารหัสแบบประมวลผลได้เต็มรูปแบบของ ZAMA
  • การร่วมมือ: ร่วมมือกับ Fhenix และ Inco, ใช้ fhEVM สำหรับ Rollup
  • การร่วมมือ: ร่วมมือกับ Arweave เพื่อเก็บข้อมูลที่ถูกเข้ารหัส
  • ความร่วมมือ: ร่วมงานกับ EigenLayer, Babylon เป็นต้นเพื่อให้บริการการเพิ่มมูลค่าโหนด การอ้างอิง: https://mindnetwork.medium.com/fhe-secured-restaking-layer-scaling-security-for-ai-depin-networks-73d5c6e5dda3
• ทีม: อาจารย์ CTO George เคยเป็นนักวิจัยที่มหาวิทยาลัยเคมบริดจ์
  • ผู้ร่วมก่อตั้งและ CTO: จอร์จเป็นนักวิจัยที่มหาวิทยาลัยเคมบริดจ์ผู้อํานวยการด้านเทคนิคของธนาคารข้ามชาติและมีประสบการณ์หลายปีในเทคโนโลยีทางการเงินทางอินเทอร์เน็ต
• การเงิน: 2 ปี ทุนเริ่มต้น 2.5 ล้าน, ฟักขยายโดย Binance Labs
  • ในวันที่ 20 มิถุนายน ค.ศ. 2023 Seed Round ได้ระดมทุนจำนวน 2.5 ล้านดอลลาร์สหรัฐฯ โดยมี Binance Labs เป็นผู้นำและมีการเข้าร่วมจาก HashKey, SevenX เป็นต้น
• แผนทาง: ได้ทดสอบบนเครือข่ายทดสอบและปัจจุบันมีฟังก์ชั่นการ stake ใหม่ ส่วนที่เหลือของแผนทางยังไม่ได้ประกาศ

3.5 Privasea (AI&DePIN)

• บทนำ: ปัญญาประดิษฐ์และการคำนวณความเป็นส่วนตัว DePIN
  • ผลิตภัณฑ์: ใช้การเข้ารหัสแบบโฮโมมอร์ฟิกในการฝึกโมเดล ML ปรับปรุงเกต TFHE ของประตูบูลีน
  • ผลิตภัณฑ์: FaceID, เวอร์ชันที่คุ้มครองความเป็นส่วนตัวของการรู้จำใบหน้า ใช้สำหรับป้องกันการเป็นของแม่มดและ KYC
  • ร่วมมือ: การผสาน BNB Greenfield เพื่อเก็บข้อมูลที่เข้ารหัสแล้ว
• ทีม: ซีทีโอ Zhuang Cheng ได้รับปริญญาเอกด้านคณิตศาสตร์จากมหาวิทยาลัยชิคาโกและมีประสบการณ์ที่มากมายในการวิจัยและพัฒนาเทคโนโลยีการเข้ารหัส
  • ซีอีโอ: David Jiao โครงการ AI ระดมทุนได้ 20 ล้านหยวน และโครงการบล็อกเชนระดมทุนได้ 4 ล้านหยวน
  • CTO ชวาน เฉิง, ได้รับปริญญาเอกด้านคณิตศาสตร์จากมหาวิทยาลัยชิคาโก มีประสบการณ์ที่แท้จริงในการวิจัยและพัฒนาเรื่องการเข้ารหัส ในอดีตเคยทำงานกับโครงการการป้องกันความเป็นส่วนตัว ZK ของ NuLink
• การจัดหาเงินทุน: 1 ปี, ระดับเมล็ดพันธุ์ได้รับเงิน 5 ล้าน, ได้รับการบ่มเพาะโดย Binance Labs
  • ในเดือนมีนาคม 2024 Seed Round ระดมทุนได้ 5 ล้านเหรียญสหรัฐ โดย Binance Labs มีส่วนร่วมจาก MH Ventures, K300, Gate Labs, 1NVST เป็นต้น
• แผนงาน: เปิดตัว Testnet V2 เมื่อเดือนเมษายน พ.ศ. 2567 และเปิดตัว Mainnet Q3 พ.ศ. 2567
  • มกราคม 2024, Testnet V1
  • เมษายน 2024, Testnet V2
  • 2024 ไตรมาส 3, TGE.

3.6 Optalysys (เครื่องมือ)

บทนำ: ฮาร์ดแวร์การเข้ารหัสแบบโฮโมมอร์ฟิก

จากข้อมูลข้างต้นเราสามารถสรุปได้ว่า ZAMA มุ่งเน้นการให้บริการโครงการเหล่านี้ด้วยไลบรารีโอเพนซอร์สหลักของการเข้ารหัสแบบประมวลผลได้เต็มรูปแบบ และเป็นนักพัฒนาเทคโนโลยีที่น่าทึ่งและผู้เล่นที่แข็งแกร่ง อย่างไรก็ตาม ZAMA ยังไม่ได้ประกาศแผนการออกเหรียญ ดังนั้นเราก็ให้ความสนใจใน Fhinex

Fhinex จะใช้ EVM ที่ปกป้องความเป็นส่วนตัวและสัญญาอัจฉริยะที่ปกป้องความเป็นส่วนตัว พวกเขาวางแผนที่จะสร้าง Fhenix L2 ซึ่งเป็น EVM ความเป็นส่วนตัวแบบ homomorphic อย่างสมบูรณ์ ให้ธุรกรรมที่รักษาความเป็นส่วนตัวและ DeFi เป็นต้น L2 นี้ยังติดตั้งเครือข่ายเกณฑ์สําหรับดําเนินการเข้ารหัสและถอดรหัสบางอย่าง นอกจากนี้ Fhenix ยังจะสร้างโปรเซสเซอร์ร่วม FHE ซึ่งเป็นเครือข่ายคอมพิวเตอร์แบบ homomorphic เต็มรูปแบบที่สามารถให้บริการเครือข่าย EVM นอกเหนือจาก Fhenix และให้การประมวลผลแบบ homomorphic อย่างสมบูรณ์ รับใช้

ทีม Fhinex มีกำลังทางเทคนิคที่แข็งแกร่ง สมาชิกในทีมประกอบด้วยไม่เพียงแต่ผู้เชี่ยวชาญที่รับผิดชอบด้านการคำนวณความเป็นส่วนตัวที่ Intel แต่ยังรวมถึง PHD ที่เข้าร่วมในการพัฒนาโปรโตคอลความเป็นส่วนตัว Enigma ที่ MIT และผู้นำด้านการเข้ารหัสของ Algorand

โดยสรุป เราเชื่อว่าโครงการเข้ารหัสแบบประมวลผลได้เต็มรูปแบบ เช่น ZAMA และ Fhinex สามารถนำเครื่องมือการป้องกันความเป็นส่วนตัวที่เหมาะสมมายังบล็อกเชนได้

ข้อความประกาศ:

1. บทความนี้ถูกพิมพ์อีกครั้งจาก [ การวิจัยล่วงหน้า]. Forward the Original Title‘Foresight Ventures：深度解析FHE(全同态加密)赛道’.สิทธิ์ในการลิขสิทธิ์ทั้งหมดเป็นของผู้เขียนต้นฉบับ [ Maggie]. หากมีการคัดค้านการพิมพ์ซ้ํานี้โปรดติดต่อ เกตเรียนทีมของเราจะดูแลและจัดการกับมันโดยเร็ว
2. คำปฏิเสธความรับผิด: มุมมองและความคิดเห็นที่แสดงในบทความนี้เป็นเพียงของผู้เขียนเท่านั้น และไม่เป็นการให้คำแนะนำเกี่ยวกับการลงทุนใด ๆ
3. การแปลบทความเป็นภาษาอื่น ๆ จะดำเนินการโดยทีม Gate Learn หากไม่ได้กล่าวถึง การคัดลอก การแจกจ่าย หรือการลอกเลียนบทความที่ถูกแปลนั้นถือเป็นการละเมิดกฎ