全同态加密 vs. 零知識證明 vs. 多方安全計算
上次，我們分析了完全同態加密（FHE）技術的工作原理。
然而，仍有許多人將FHE與ZK和MPC加密技術混淆。因此，本次第二部分將詳細比較這三種技術:
FHE vs. ZK vs. MPC
首先，讓我們從最基本的問題開始：
- 這三種技術是什麼？
- 他們是如何運作的？
- 它們在區塊鏈應用中如何運作？
1. 零知識證明（ZK）：強調“無需披露的證明”
零知識證明（ZK）專注於驗證信息的真實性，而不揭示任何具體細節。
建立在堅固的加密基礎上，ZK允許Alice向Bob證明她知道一個秘密，而不需透露任何有關該秘密本身的信息。
想像一下這樣的場景：愛麗絲想向汽車租賃員工鮑勃證明她的信譽，而不提供她的銀行對帳單。在這種情況下，她的銀行或支付應用程式的“信用評分”充當她的零知識證明。
愛麗絲在不透露帳戶詳細信息的情況下向鮑勃證明瞭她的良好信用評分，展示了零知識證明的概念。
在區塊鏈應用中，以隱私幣Zcash為例：
當愛麗絲向某人匯款時，她希望保持匿名，同時證明她有權轉移這些硬幣（以防止雙重花費）。 她需要為此生成一個零知識證明。
礦工Bob看到這個證明後，可以將該交易添加到區塊鏈上，而不需要知道愛麗絲的身份（即，他對愛麗絲的身份一無所知）。
2. 多方安全计算（MPC）：强调“如何在不泄露的情况下计算”
多方安全計算（MPC）專注於使多個參與者能夠安全地一起計算一個函數，而不顯示他們的敏感輸入。
這項技術允許多個方（例如，愛麗絲，鮑勃和卡羅爾）共同執行計算任務，而不會有任何一方洩露其輸入數據。
例如，如果Alice、Bob和Carol想計算他們的平均薪資，而不願透露各自的薪資，他們該怎麼辦？
每個人都可以將自己的薪水分成三部分，並與其他人交換其中的兩部分。 然後將收到的數字相加並分享總和。
最後，他們將三個總和相加以找到總數並計算平均值，而無需任何人知道其他人的確切薪水。
在加密行業中，MPC錢包使用這項技術。
例如，在Binance或Bybit推出的簡化MPC錢包中，用戶不再需要存儲12個助記詞。相反，私鑰被分割為2/2多重簽名部分：用戶手機上的一部分，雲端上的一部分，交易所上的一部分。
如果用戶失去了他們的手機，雲端和交易所可以恢復錢包。
為了更高的安全性，一些多方安全計算錢包可以支持包含更多第三方來保護私鑰碎片。
因此，基於MPC密碼學，多方可以安全地使用私鑰，而無需彼此信任。
3. 完全同態加密（FHE）：強調“如何為外包進行加密”
正如我在之前的帖子中提到的，全同态加密（FHE）被應用於需要將敏感數據以一種加密方式進行處理的情況，同時確保只有數據所有者能夠解密最終結果的場景。
先前的串連: https://x.com/0x_Todd/status/1810989860620226900
例如，Alice 缺乏計算能力，依靠 Bob 進行計算，但不想向 Bob 透露原始數據。因此，她用雜訊加密原始數據（使用同態加法/乘法），利用Bob的計算能力處理加密數據，然後自己解密結果。鮑勃仍然不知道實際內容。
想像一下在雲端計算環境中處理敏感數據，如醫療記錄或個人財務信息。在此，多方安全計算至關重要，因為它允許數據在整個處理過程中保持加密，保護數據安全，並符合隱私法規。
先前，我們著重於為何人工智慧產業需要多方安全計算。現在，讓我們來探索多方安全計算在加密行業中的應用。
例如，有一個名為Mind Network的項目（@mindnetwork_xyz)，該項目獲得了以太坊資助並且是幣安孵化器的一部分。它解決了權益證明（PoS）機制中的固有問題:
在像以太坊这样的PoS协议中，有超过100万个验证者，没有太大问题。然而，小型项目面临问题，因为矿工往往懒散。
為什麼呢？從理論上講，節點應該勤勉地驗證每筆交易的有效性。然而，在較少節點和許多“大節點”的較小PoS協議中，一些較小的PoS節點可能會發現複製大節點的結果比自己做這項工作更容易。
這無疑導致了顯著的集中化。
此外，投票情境表現出類似的“跟隨”行為。
例如，在MakerDAO的投票中，A16Z持有大量的MKR代幣，這通常決定了協議的結果。A16Z投票後，較小的代幣持有者只能選擇跟隨或棄權，無法反映真正的公眾意見。
所以，Mind Network利用了FHE技術：
PoS 節點可以在不知道彼此答案的情況下使用機器電源完成區塊驗證，防止 PoS 節點相互複製工作。
或者
允許選民透過投票平台計算投票結果，而不必知道彼此的投票意圖，以防止後續投票。
這是FHE在區塊鏈中的重要應用之一。
因此，為了實現此功能，Mind 還需要重建一個重新質押協定。由於EigenLayer本身未來會為一些小型區塊鏈提供“外包節點”服務，因此將其與FHE結合可以顯著增強PoS網络或投票的安全性。
用一個不完美的類比來說，引入Eigen+Mind的小型區塊鏈有點像一個小國引進外國軍隊來管理他們自己無法處理的內部事務。
這代表了Mind在PoS / Re-staking空間與Renzo和Puffer相比的關鍵區別之一。Mind Network比Renzo和Puffer晚開始，最近推出了其主網，並且在Re-taking夏季期間沒有那麼激烈。
當然，Mind Network還提供AI領域的服務，例如使用FHE技術對餵入AI的數據進行加密，使AI能夠在不知道原始數據的情況下學習和處理這些數據。一個典型的案例包括與Bittensor子網的合作。
結論
雖然ZK（零知證明）、MPC（多方安全計算）和FHE（全同態加密）是用於保護數據隱私和安全的先進加密技術，但它們在應用場景和技術複雜性上有所不同:
應用場景：
ZK（零知識證明）：專注於“如何證明”。它提供了一種方法，讓一方向另一方證明某個信息是正確的，而不透露任何額外的信息。當驗證權限或身份時，這項技術特別有用。
MPC（多方安全计算）：专注于“如何计算”。它允许多个参与方在不透露其各自输入的情况下联合执行计算。这在需要数据合作同时保护各方数据隐私的场景中非常有用，例如跨机构数据分析和财务审计。
全同态加密（FHE）：专注于“如何加密”。它使得在保持数据始终加密的同时，可以委托复杂的计算变得可能。这对于云计算/人工智能服务尤其重要，它允许用户在云环境中安全处理敏感数据。
技術複雜度:
ZK（零知識證明）：雖然理論上很強大，但設計有效且易於實現的零知識證明協定可能非常複雜，需要深厚的數學和程式設計技能，例如理解大多數人通常無法理解的各種“電路”。
MPC（多方計算）：實施MPC需要解決同步和通信效率問題。特別是當參與者眾多時，協調成本和計算開銷可能非常高。
FHE（Fully Homomorphic Encryption）：FHE在計算效率方面面臨著重大挑戰。加密算法非常複雜，實用模型直到2009年才開始出現。儘管在理論上具有吸引力，但在實際應用中，高計算複雜度和時間成本仍然是主要障礙。
說實話，我們依賴的數據安全和個人隱私保護正在面臨前所未有的挑戰。想像一下，如果沒有加密技術，我們的短信、外賣訂單細節和網上購物信息將完全暴露，就像一間沒有鎖的房子，任何人都可以隨意進入。
我希望這有助於那些對這三個概念感到困惑的人清楚地區分這些頂級加密技術。
免責聲明：
相關文章
什麽是 ZEC?
全同态加密 vs. 零知識證明 vs. 多方安全計算
上次，我們分析了完全同態加密（FHE）技術的工作原理。
然而，仍有許多人將FHE與ZK和MPC加密技術混淆。因此，本次第二部分將詳細比較這三種技術:
FHE vs. ZK vs. MPC
首先，讓我們從最基本的問題開始：
- 這三種技術是什麼？
- 他們是如何運作的？
- 它們在區塊鏈應用中如何運作？
1. 零知識證明（ZK）：強調“無需披露的證明”
零知識證明（ZK）專注於驗證信息的真實性，而不揭示任何具體細節。
建立在堅固的加密基礎上，ZK允許Alice向Bob證明她知道一個秘密，而不需透露任何有關該秘密本身的信息。
想像一下這樣的場景：愛麗絲想向汽車租賃員工鮑勃證明她的信譽，而不提供她的銀行對帳單。在這種情況下，她的銀行或支付應用程式的“信用評分”充當她的零知識證明。
愛麗絲在不透露帳戶詳細信息的情況下向鮑勃證明瞭她的良好信用評分，展示了零知識證明的概念。
在區塊鏈應用中，以隱私幣Zcash為例：
當愛麗絲向某人匯款時，她希望保持匿名，同時證明她有權轉移這些硬幣（以防止雙重花費）。 她需要為此生成一個零知識證明。
礦工Bob看到這個證明後，可以將該交易添加到區塊鏈上，而不需要知道愛麗絲的身份（即，他對愛麗絲的身份一無所知）。
2. 多方安全计算（MPC）：强调“如何在不泄露的情况下计算”
多方安全計算（MPC）專注於使多個參與者能夠安全地一起計算一個函數，而不顯示他們的敏感輸入。
這項技術允許多個方（例如，愛麗絲，鮑勃和卡羅爾）共同執行計算任務，而不會有任何一方洩露其輸入數據。
例如，如果Alice、Bob和Carol想計算他們的平均薪資，而不願透露各自的薪資，他們該怎麼辦？
每個人都可以將自己的薪水分成三部分，並與其他人交換其中的兩部分。 然後將收到的數字相加並分享總和。
最後，他們將三個總和相加以找到總數並計算平均值，而無需任何人知道其他人的確切薪水。
在加密行業中，MPC錢包使用這項技術。
例如，在Binance或Bybit推出的簡化MPC錢包中，用戶不再需要存儲12個助記詞。相反，私鑰被分割為2/2多重簽名部分：用戶手機上的一部分，雲端上的一部分，交易所上的一部分。
如果用戶失去了他們的手機，雲端和交易所可以恢復錢包。
為了更高的安全性，一些多方安全計算錢包可以支持包含更多第三方來保護私鑰碎片。
因此，基於MPC密碼學，多方可以安全地使用私鑰，而無需彼此信任。
3. 完全同態加密（FHE）：強調“如何為外包進行加密”
正如我在之前的帖子中提到的，全同态加密（FHE）被應用於需要將敏感數據以一種加密方式進行處理的情況，同時確保只有數據所有者能夠解密最終結果的場景。
先前的串連: https://x.com/0x_Todd/status/1810989860620226900
例如，Alice 缺乏計算能力，依靠 Bob 進行計算，但不想向 Bob 透露原始數據。因此，她用雜訊加密原始數據（使用同態加法/乘法），利用Bob的計算能力處理加密數據，然後自己解密結果。鮑勃仍然不知道實際內容。
想像一下在雲端計算環境中處理敏感數據，如醫療記錄或個人財務信息。在此，多方安全計算至關重要，因為它允許數據在整個處理過程中保持加密，保護數據安全，並符合隱私法規。
先前，我們著重於為何人工智慧產業需要多方安全計算。現在，讓我們來探索多方安全計算在加密行業中的應用。
例如，有一個名為Mind Network的項目（@mindnetwork_xyz)，該項目獲得了以太坊資助並且是幣安孵化器的一部分。它解決了權益證明（PoS）機制中的固有問題:
在像以太坊这样的PoS协议中，有超过100万个验证者，没有太大问题。然而，小型项目面临问题，因为矿工往往懒散。
為什麼呢？從理論上講，節點應該勤勉地驗證每筆交易的有效性。然而，在較少節點和許多“大節點”的較小PoS協議中，一些較小的PoS節點可能會發現複製大節點的結果比自己做這項工作更容易。
這無疑導致了顯著的集中化。
此外，投票情境表現出類似的“跟隨”行為。
例如，在MakerDAO的投票中，A16Z持有大量的MKR代幣，這通常決定了協議的結果。A16Z投票後，較小的代幣持有者只能選擇跟隨或棄權，無法反映真正的公眾意見。
所以，Mind Network利用了FHE技術：
PoS 節點可以在不知道彼此答案的情況下使用機器電源完成區塊驗證，防止 PoS 節點相互複製工作。
或者
允許選民透過投票平台計算投票結果，而不必知道彼此的投票意圖，以防止後續投票。
這是FHE在區塊鏈中的重要應用之一。
因此，為了實現此功能，Mind 還需要重建一個重新質押協定。由於EigenLayer本身未來會為一些小型區塊鏈提供“外包節點”服務，因此將其與FHE結合可以顯著增強PoS網络或投票的安全性。
用一個不完美的類比來說，引入Eigen+Mind的小型區塊鏈有點像一個小國引進外國軍隊來管理他們自己無法處理的內部事務。
這代表了Mind在PoS / Re-staking空間與Renzo和Puffer相比的關鍵區別之一。Mind Network比Renzo和Puffer晚開始，最近推出了其主網，並且在Re-taking夏季期間沒有那麼激烈。
當然，Mind Network還提供AI領域的服務，例如使用FHE技術對餵入AI的數據進行加密，使AI能夠在不知道原始數據的情況下學習和處理這些數據。一個典型的案例包括與Bittensor子網的合作。
結論
雖然ZK（零知證明）、MPC（多方安全計算）和FHE（全同態加密）是用於保護數據隱私和安全的先進加密技術，但它們在應用場景和技術複雜性上有所不同:
應用場景：
ZK（零知識證明）：專注於“如何證明”。它提供了一種方法，讓一方向另一方證明某個信息是正確的，而不透露任何額外的信息。當驗證權限或身份時，這項技術特別有用。
MPC（多方安全计算）：专注于“如何计算”。它允许多个参与方在不透露其各自输入的情况下联合执行计算。这在需要数据合作同时保护各方数据隐私的场景中非常有用，例如跨机构数据分析和财务审计。
全同态加密（FHE）：专注于“如何加密”。它使得在保持数据始终加密的同时，可以委托复杂的计算变得可能。这对于云计算/人工智能服务尤其重要，它允许用户在云环境中安全处理敏感数据。
技術複雜度:
ZK（零知識證明）：雖然理論上很強大，但設計有效且易於實現的零知識證明協定可能非常複雜，需要深厚的數學和程式設計技能，例如理解大多數人通常無法理解的各種“電路”。
MPC（多方計算）：實施MPC需要解決同步和通信效率問題。特別是當參與者眾多時，協調成本和計算開銷可能非常高。
FHE（Fully Homomorphic Encryption）：FHE在計算效率方面面臨著重大挑戰。加密算法非常複雜，實用模型直到2009年才開始出現。儘管在理論上具有吸引力，但在實際應用中，高計算複雜度和時間成本仍然是主要障礙。
說實話，我們依賴的數據安全和個人隱私保護正在面臨前所未有的挑戰。想像一下，如果沒有加密技術，我們的短信、外賣訂單細節和網上購物信息將完全暴露，就像一間沒有鎖的房子，任何人都可以隨意進入。
我希望這有助於那些對這三個概念感到困惑的人清楚地區分這些頂級加密技術。
免責聲明：
相關文章