Perkenalan

Di masa lalu, kriptografi telah memainkan peran penting dalam perkembangan peradaban manusia, terutama di bidang keamanan informasi dan perlindungan privasi. Ini tidak hanya memberikan perlindungan yang kuat untuk transmisi dan penyimpanan data di berbagai bidang, tetapi sistem enkripsi asimetris dengan kunci publik dan pribadi, bersama dengan fungsi hash, secara kreatif dikombinasikan oleh Satoshi Nakamoto pada tahun 2008. Hal ini menyebabkan desain mekanisme proof-of-work yang memecahkan masalah pengeluaran ganda, sehingga mengkatalisasi kelahiran Bitcoin, mata uang digital revolusioner, dan mengantarkan era baru untuk industri blockchain.

Ketika industri blockchain terus berkembang dan berkembang pesat, serangkaian teknologi kriptografi mutakhir telah muncul, dengan Zero-Knowledge Proofs (ZKP), Multi-Party Computation (MPC), dan Fully Homomorphic Encryption (FHE) menjadi yang paling menonjol. Teknologi ini telah banyak digunakan dalam berbagai skenario, seperti menggabungkan ZKP dengan solusi Rollup untuk mengatasi masalah "dilema segitiga" blockchain, dan mempromosikan adopsi massal antarmuka pengguna dengan menggabungkan MPC dengan sistem kunci publik dan pribadi. Adapun FHE, dianggap sebagai salah satu cawan suci kriptografi, fitur uniknya memungkinkan pihak ketiga untuk melakukan sejumlah operasi dan perhitungan sewenang-wenang pada data terenkripsi tanpa mendekripsinya, sehingga memungkinkan perhitungan privasi on-chain yang dapat disusun dan membawa kemungkinan baru ke berbagai bidang dan skenario.

Sekilas Tentang FHE

Ketika kita mengacu pada FHE (Fully Homomorphic Encryption), penting untuk terlebih dahulu memahami apa arti nama itu. HE adalah singkatan dari Homomorphic Encryption, sebuah teknologi yang fitur intinya adalah kemampuan untuk melakukan perhitungan dan operasi pada data terenkripsi, di mana operasi ini dapat langsung dipetakan ke plaintext, sehingga menjaga sifat matematika dari data terenkripsi. "F" dalam FHE berarti bahwa karakteristik homomorfik ini telah dibawa ke ketinggian baru, memungkinkan perhitungan dan operasi tanpa batas pada data terenkripsi.

Untuk membantu memahami, kami memilih fungsi linier paling sederhana sebagai algoritma enkripsi dan menjelaskan homomorfisme aditif dan homomorfisme multiplikatif dengan satu operasi. Tentu saja, FHE yang sebenarnya menggunakan serangkaian algoritma matematika yang lebih kompleks, dan algoritma ini membutuhkan sejumlah besar sumber daya komputasi (CPU dan memori).

Sementara prinsip-prinsip matematika FHE sangat mendalam dan kompleks, kami tidak akan menyelidikinya di sini. Perlu disebutkan bahwa di bidang enkripsi homomorfik, selain FHE, ada juga Enkripsi Sebagian Homomorfik dan Enkripsi Agak Homomorfik. Perbedaan utama mereka terletak pada jenis operasi yang mereka dukung dan jumlah operasi yang mereka izinkan, tetapi mereka juga memungkinkan perhitungan dan operasi pada data terenkripsi. Namun, untuk menjaga konten tetap ringkas, kami tidak akan membahasnya secara mendalam di sini.

Dalam industri FHE, meskipun banyak perusahaan terkenal berpartisipasi dalam penelitian dan pengembangan, Microsoft dan Zama menonjol dengan produk open-source mereka yang sangat baik (perpustakaan kode), menyoroti kegunaan dan pengaruh mereka yang tak tertandingi. Mereka menyediakan pengembang dengan implementasi FHE yang stabil dan efisien, sangat mempromosikan pengembangan berkelanjutan dan aplikasi luas teknologi FHE.

Microsoft SEAL: Perpustakaan FHE yang dibuat dengan cermat oleh Microsoft Research, tidak hanya mendukung Enkripsi Homomorfik Sepenuhnya, tetapi juga Enkripsi Sebagian Homomorfik. SEAL menyediakan antarmuka C ++ yang efisien dan, dengan mengintegrasikan berbagai algoritma dan teknik optimasi, secara signifikan meningkatkan kinerja dan efisiensi komputasi.

TFHE Zama: Perpustakaan sumber terbuka yang berfokus pada Enkripsi Homomorfik Sepenuhnya berkinerja tinggi. TFHE menyediakan layanan melalui antarmuka bahasa C dan menerapkan serangkaian teknik dan algoritma pengoptimalan canggih, yang bertujuan untuk mencapai kecepatan komputasi yang lebih cepat dan konsumsi sumber daya yang lebih rendah.

Menurut ide yang paling disederhanakan, proses operasi mengalami FHE kira-kira sebagai berikut:

• Buat kunci: Gunakan pustaka/kerangka kerja FHE untuk menghasilkan sepasang kunci publik dan pribadi.
• Enkripsi data: Gunakan kunci publik untuk mengenkripsi data yang perlu diproses dengan perhitungan FHE.
• Lakukan perhitungan homomorfik: Gunakan fungsi perhitungan homomorfik yang disediakan oleh perpustakaan FHE untuk melakukan berbagai operasi perhitungan pada data terenkripsi, seperti penambahan, perkalian, dll.
• Dekripsi hasil: Ketika hasil perhitungan perlu dilihat, pengguna yang sah menggunakan kunci pribadi untuk mendekripsi hasil perhitungan.

Dalam praktik Enkripsi Homomorfik Sepenuhnya (FHE), strategi manajemen kunci dekripsi (pembuatan, sirkulasi, dan penggunaan, dll.) sangat penting. Karena hasil perhitungan dan operasi pada data terenkripsi perlu didekripsi untuk digunakan pada waktu dan skenario tertentu, kunci dekripsi menjadi inti untuk memastikan keamanan dan integritas data asli dan diproses. Rencana manajemen untuk kunci dekripsi mirip dengan manajemen kunci tradisional dalam banyak hal. Namun, karena sifat FHE yang berbeda, strategi yang lebih ketat dan terperinci dapat dirancang.

Untuk blockchain, karena karakteristik desentralisasi, transparansi, dan kekekalannya, pengenalan Threshold Multi-Party Computation (TMPC) adalah pilihan yang berpotensi kuat. Skema ini memungkinkan beberapa peserta untuk bersama-sama mengelola dan mengontrol kunci dekripsi, dan data hanya dapat berhasil didekripsi ketika jumlah ambang batas yang telah ditetapkan (yaitu, jumlah peserta) tercapai. Ini tidak hanya meningkatkan keamanan manajemen kunci, tetapi juga mengurangi risiko satu node dikompromikan, memberikan jaminan kuat untuk penerapan FHE di lingkungan blockchain.

Meletakkan Fondasi dengan fhEVM

Dari perspektif intrusi minimal, cara ideal untuk menerapkan Enkripsi Homomorfik Sepenuhnya (FHE) pada blockchain adalah dengan merangkumnya sebagai pustaka kode kontrak pintar umum untuk memastikan ringan dan fleksibel. Namun, prasyarat untuk pendekatan ini adalah bahwa mesin virtual kontrak pintar harus mendukung terlebih dahulu set instruksi spesifik dari operasi matematika kompleks dan operasi enkripsi yang diperlukan oleh FHE. Jika mesin virtual tidak dapat memenuhi persyaratan ini, perlu untuk mempelajari arsitektur inti mesin virtual untuk penyesuaian dan transformasi untuk beradaptasi dengan persyaratan algoritma FHE, sehingga mencapai integrasi yang mulus.

Sebagai mesin virtual yang telah banyak diadopsi dan diverifikasi dalam waktu yang lama, Ethereum Virtual Machine (EVM) secara alami menjadi pilihan pertama untuk menerapkan FHE. Namun, ada beberapa praktisi di bidang ini. Di antara mereka, kami melihat TFHE open-source dari perusahaan Zama lagi. Faktanya, Zama tidak hanya menyediakan perpustakaan TFHE dasar, tetapi juga, sebagai perusahaan teknologi yang berfokus pada penerapan teknologi FHE ke bidang kecerdasan buatan dan blockchain, meluncurkan dua produk open-source penting: Concrete ML dan fhEVM. Concrete ML berfokus pada perhitungan privasi dalam pembelajaran mesin. Melalui Concrete ML, ilmuwan data dan praktisi ML dapat melatih dan menyimpulkan model pembelajaran mesin pada data sensitif di bawah premis melindungi privasi, sehingga memanfaatkan sepenuhnya sumber daya data tanpa khawatir tentang kebocoran privasi. Produk lain, fhEVM, adalah EVM homomorfik sepenuhnya yang mendukung perhitungan privasi yang diterapkan di Solidity. fhEVM memungkinkan pengembang untuk menggunakan teknologi enkripsi homomorfik sepenuhnya dalam kontrak pintar Ethereum untuk mencapai perlindungan privasi dan perhitungan yang aman.

Dari membaca dokumen fhEVM, kami belajar bahwa fitur inti fhEVM adalah:

• fhEVM: Pada tingkat bytecode non-EVM, dalam bentuk fungsi tertanam, melalui integrasi beberapa status berbeda dari kontrak pra-kompilasi perpustakaan FHE open-source Zama, ia menyediakan dukungan operasi FHE. Selain itu, memori EVM khusus dan area penyimpanan khusus dibangun untuk FHE untuk menyimpan, membaca, menulis, dan memverifikasi ciphertext FHE;
• Mekanisme dekripsi dirancang berdasarkan protokol ambang batas terdistribusi: Ini mendukung kunci FHE global untuk data terenkripsi campuran antara beberapa pengguna dan beberapa kontrak dan penyimpanan kunci terenkripsi pada rantai, dan mekanisme enkripsi asinkron untuk berbagi kunci dekripsi antara beberapa verifikator dengan ambang batas skema komputasi aman;
• Pustaka kontrak soliditas yang menurunkan ambang batas untuk pengembang: Ini mendesain tipe data enkripsi FHE, jenis operasi, panggilan dekripsi, dan output enkripsi, dll.;

fhEVM Zama memberikan titik awal yang solid untuk penerapan teknologi FHE dalam aplikasi blockchain. Namun, mengingat Zama terutama berfokus pada pengembangan teknologi, solusinya lebih condong ke tingkat teknis, dan pemikiran dalam pendaratan teknik dan aplikasi komersial relatif lebih sedikit. Oleh karena itu, dalam proses mendorong fhEVM ke aplikasi praktis, mungkin menghadapi berbagai tantangan tak terduga, termasuk tetapi tidak terbatas pada ambang teknis dan masalah pengoptimalan kinerja.

Membangun Ekosistem dengan FHE-Rollups

fhEVM mandiri tidak dapat merupakan proyek atau ekosistem lengkap sendiri; ini lebih seperti salah satu klien yang beragam dalam ekosistem Ethereum. Untuk memantapkan dirinya sebagai proyek independen, fhEVM harus bergantung pada arsitektur tingkat rantai publik atau mengadopsi solusi Layer2 / Layer3. Arah pengembangan rantai publik FHE mau tidak mau perlu dipecahkan bagaimana mengurangi redundansi dan pemborosan sumber daya komputasi FHE di antara node verifier terdistribusi. Sebaliknya, solusi Layer2 / Layer3, yang secara inheren ada sebagai lapisan eksekusi rantai publik, dapat mengalokasikan pekerjaan komputasi ke beberapa node, secara signifikan mengurangi urutan besarnya overhead komputasi. Oleh karena itu, sebagai pelopor, Fhenix secara aktif mengeksplorasi kombinasi teknologi fhEVM dan Rollup, mengusulkan pembangunan solusi Layer2 tipe FHE-Rollups yang canggih.

Mengingat teknologi ZK Rollups melibatkan mekanisme ZKP yang kompleks dan membutuhkan sumber daya komputasi yang sangat besar untuk menghasilkan bukti yang diperlukan untuk verifikasi, dikombinasikan dengan karakteristik FHE penuh, langsung menerapkan solusi FHE-Rollups berdasarkan ZK Rollups akan menghadapi banyak tantangan. Oleh karena itu, pada tahap saat ini, dibandingkan dengan ZK Rollups, mengadopsi solusi Optimistic Rollups sebagai pilihan teknologi Fhenix akan lebih praktis dan efisien.

Tumpukan teknologi Fhenix terutama mencakup beberapa komponen utama: varian prover penipuan Arbitrum Nitro yang dapat melakukan bukti penipuan di WebAssembly, dan oleh karena itu, logika FHE dapat dikompilasi ke dalam WebAssembly untuk operasi yang aman. Perpustakaan inti fheOS menyediakan semua fungsi yang diperlukan untuk mengintegrasikan logika FHE ke dalam kontrak pintar. Threshold Service Network (TSN) adalah komponen penting lainnya, hosting kunci jaringan yang dibagikan secara diam-diam, menggunakan teknologi berbagi rahasia dari algoritma tertentu untuk membaginya menjadi beberapa bagian untuk memastikan keamanan, dan bertanggung jawab untuk mendekripsi data bila diperlukan.

Berdasarkan tumpukan teknologi di atas, Fhenix telah merilis versi publik pertama, Fhenix Frontier. Meskipun ini adalah versi awal dengan banyak batasan dan fitur yang hilang, ini telah menyediakan panduan penggunaan yang komprehensif untuk pustaka kode kontrak pintar, API Soliditas, toolchain pengembangan kontrak (seperti Hardhat / Remix), pustaka JavaScript interaksi frontend, dll. Pengembang dan pihak proyek ekosistem yang tertarik dengan hal ini dapat merujuk ke dokumentasi resmi untuk eksplorasi.

Koprosesor FHE Rantai-Agnostik

Membangun FHE-Rollups, Fhenix dengan cerdik memperkenalkan modul Relay, yang bertujuan untuk memberdayakan berbagai rantai publik, jaringan L2 dan L3, memungkinkan mereka untuk terhubung ke Koprosesor FHE dan memanfaatkan fungsionalitas FHE. Ini berarti bahwa bahkan jika Host Chain asli tidak mendukung FHE, sekarang secara tidak langsung dapat memperoleh manfaat dari fitur-fitur canggih FHE. Namun, karena periode tantangan bukti FHE-Rollups biasanya berlangsung selama 7 hari, itu agak membatasi aplikasi FHE yang luas. Untuk mengatasi tantangan ini, Fhenix bergabung dengan EigenLayer, menggunakan mekanisme Restaking EigenLayer untuk menyediakan saluran yang lebih cepat dan lebih nyaman untuk layanan Koprosesor FHE, sangat meningkatkan efisiensi dan fleksibilitas seluruh Koprosesor FHE.

Proses penggunaan Koprosesor FHE sederhana dan jelas:

1. Kontrak aplikasi memanggil Koprosesor FHE pada Host Chain untuk menjalankan operasi komputasi terenkripsi.
2. Kontrak relai mengantre permintaan
3. Node relai memantau kontrak Relai dan meneruskan panggilan ke Fhenix Rollup khusus.
4. FHE Rollup melakukan operasi perhitungan FHE
5. Jaringan ambang mendekripsi output
6. Node relai mengembalikan hasil dan bukti optimis ke kontrak.
7. Kontrak memverifikasi bukti optimis dan mengirimkan hasilnya ke penelepon.
8. Kontrak aplikasi terus melaksanakan kontrak bersamaan dengan hasil panggilan.

Panduan partisipasi Fhenix

Jika Anda seorang pengembang, Anda dapat mempelajari dokumentasi Fhenix dan mengembangkan aplikasi berbasis FHE Anda sendiri berdasarkan dokumen-dokumen ini, mengeksplorasi potensinya dalam aplikasi praktis.

Jika Anda seorang pengguna, mengapa tidak mencoba mengalami dApps yang disediakan oleh Fhenix's FHE-Rollups, merasakan keamanan data dan perlindungan privasi yang dibawa oleh FHE.

Jika Anda seorang peneliti, kami sangat menyarankan agar Anda membaca dokumentasi Fhenix dengan cermat, mendapatkan pemahaman mendalam tentang prinsip-prinsip FHE, detail teknis, dan prospek aplikasi, sehingga dapat memberikan kontribusi yang lebih berharga di bidang penelitian Anda.

Skenario aplikasi terbaik FHE

Teknologi FHE telah menunjukkan berbagai prospek aplikasi, terutama di bidang game whole-chain, DeFi, dan AI. Kami sangat yakin bahwa ia memiliki potensi pengembangan yang besar dan ruang aplikasi yang luas di bidang ini:

• Game seluruh rantai yang dilindungi privasi: Teknologi FHE memberikan jaminan enkripsi yang kuat untuk transaksi keuangan dan operasi pemain dalam ekonomi game, secara efektif mencegah perilaku manipulasi real-time, memastikan keadilan dan keadilan game. Pada saat yang sama, FHE dapat menganonimkan aktivitas pemain, secara signifikan mengurangi risiko aset keuangan dan kebocoran informasi pribadi pemain, sehingga sepenuhnya melindungi privasi dan keamanan pemain.
• DeFi/MEV: Dengan perkembangan aktivitas DeFi yang berkembang pesat, banyak operasi DeFi telah menjadi target serangan MEV di hutan gelap. Untuk mengatasi tantangan ini, FHE dapat secara efektif melindungi data sensitif di DeFi yang tidak ingin diungkapkan, seperti kuantitas posisi, jalur likuidasi, selip transaksi, dll., sambil memastikan pemrosesan perhitungan logika bisnis. Dengan menerapkan FHE, kondisi kesehatan DeFi on-chain dapat ditingkatkan secara signifikan, sehingga sangat mengurangi frekuensi perilaku MEV yang merugikan.
• AI: Pelatihan model AI bergantung pada kumpulan data. Ketika melibatkan penggunaan data individu untuk pelatihan, memastikan keamanan data sensitif individu menjadi prasyarat utama. Untuk alasan ini, teknologi FHE menjadi solusi ideal untuk melatih data privasi individu dalam model AI. Ini memungkinkan AI untuk memproses data terenkripsi, sehingga menyelesaikan proses pelatihan tanpa mengungkapkan informasi sensitif pribadi apa pun.

Pengakuan komunitas FHE

Perkembangan teknologi tidak hanya bergantung pada fitur hardcore-nya. Untuk mencapai kematangan dan kemajuan teknologi yang berkelanjutan, diperlukan dukungan penelitian dan pengembangan akademis yang konsisten, dan pembangunan aktif kekuatan masyarakat. Dalam hal ini, FHE dianggap sebagai Holy Grail di bidang kriptografi, dan potensi serta nilainya telah diakui secara luas. Pada tahun 2020, Vitalik Buterin sangat memuji dan mendukung teknologi FHE dalam artikelnya "Exploring Fully Homomorphic Encryption". Baru-baru ini, ia menyuarakan dukungannya lagi di media sosial, memperkuat pendiriannya dan menyerukan lebih banyak sumber daya dan kekuatan untuk pengembangan teknologi FHE. Sejalan dengan itu, proyek-proyek baru yang muncul, penelitian nirlaba dan organisasi pendidikan, dan dana pasar yang terus disuntikkan semuanya tampaknya menandai awal dari ledakan teknologi.

Potensi ekosistem FHE awal

Pada fase pengembangan awal ekosistem FHE, selain perusahaan layanan teknis dasar inti Zama dan proyek berkualitas tinggi Fhenix yang sangat dinanti, ada serangkaian proyek yang sama-sama luar biasa yang layak untuk dipahami dan diperhatikan secara mendalam:

• Tabir surya: Melalui kompiler FHE yang dikembangkan sendiri, ia mendukung bahasa pemrograman tradisional untuk konversi FHE, merancang penyimpanan terdesentralisasi yang sesuai untuk ciphertext FHE, dan akhirnya menghasilkan fitur FHE dalam bentuk SDK untuk aplikasi Web3.
• Mind Network: Dikombinasikan dengan mekanisme Restaking EigenLayer, ini adalah jaringan FHE khusus untuk memperluas keamanan jaringan AI dan DePIN.
• PADO Labs: Meluncurkan zkFHE yang mengintegrasikan ZKP dan FHE, dan membangun jaringan komputasi terdesentralisasi di atasnya.
• Arcium: Sebelumnya protokol privasi Solana Elusiv, baru-baru ini berubah menjadi jaringan komputasi rahasia paralel yang mencakup FHE.
• Jaringan Inco: Berdasarkan fhEVM Zama, ini berfokus pada optimalisasi biaya dan efisiensi komputasi FHE, dan kemudian mengembangkan ekosistem lengkap untuk Layer1.
• Treat: Dibuat bersama oleh tim Shiba dan Zama, berkomitmen untuk memperluas FHE Layer3 ekosistem Shiba.
• Octra: Jaringan FHE yang mendukung lingkungan eksekusi isolasi, dikembangkan berdasarkan OCaml, AST, ReasonML, dan C++.
• BasedAI: Jaringan terdistribusi yang mendukung pengenalan fungsi FHE untuk model LLM.
• Encifher: Sebelumnya BananaHQ, sekarang berganti nama menjadi Rize Labs, saat ini berfokus pada FHEML di sekitar FHE.
• Privasea: Jaringan FHE yang dibuat oleh tim inti NuLink, menggunakan kerangka kerja ML Beton Zama, yang bertujuan untuk menerapkan perlindungan privasi data dalam proses inferensi ML bidang AI.

Untuk penelitian nirlaba dan lembaga pendidikan, kami sangat merekomendasikan FHE.org dan FHE Onchain, yang menyediakan sumber daya berharga untuk penelitian akademis dan mempopulerkan pendidikan seluruh ekosistem.

Karena keterbatasan ruang, kami tidak dapat membuat daftar semua proyek unggulan di ekosistem FHE. Namun, harap percaya bahwa ekosistem ini mengandung potensi dan peluang tak terbatas, layak untuk eksplorasi dan penemuan berkelanjutan kami.

Kesimpulan

Kami optimis tentang prospek teknologi FHE (Fully Homomorphic Encryption) dan memiliki harapan tinggi untuk proyek Fhenix. Setelah mainnet Fhenix diluncurkan dan ditayangkan, kami mengantisipasi aplikasi di berbagai domain akan ditingkatkan karena teknologi FHE. Kami sangat percaya bahwa masa depan yang inovatif dan bersemangat ini sudah dekat.

Referensi

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.getbased.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

pernyataan:

1. Artikel ini direproduksi dari [ArkStream Capital], judul asli "ArkStream Capital: Mengapa kami berinvestasi di trek FHE", hak cipta milik penulis asli [Ris], jika Anda keberatan dengan cetak ulang, silakan hubungi Tim Gate Learn, tim akan menanganinya sesegera mungkin sesuai dengan prosedur yang relevan.

2. Penafian: Pandangan dan pendapat yang diungkapkan dalam artikel ini hanya mewakili pandangan pribadi penulis dan bukan merupakan saran investasi.

3. Versi bahasa lain dari artikel tersebut diterjemahkan oleh tim Gate Learn, tidak disebutkan dalam Gate.io, artikel yang diterjemahkan tidak boleh direproduksi, didistribusikan atau dijiplak.