Криптоактивы обсуждение горячие и анализ ценовых колебаний
По состоянию на 13 октября, одна из платформ данных провела статистический анализ обсуждаемости основных Криптоактивы и изменений цен.
Обсуждений о биткойне на прошлой неделе было 12,52K, что на 0,98% меньше, чем на предыдущей неделе. Его цена закрытия в воскресенье составила 63916 долларов, что на 1,62% больше, чем за ту же неделю в прошлом.
Обсуждение Ethereum на прошлой неделе составило 3.63K раз, что на 3.45% больше, чем на предыдущей неделе. Его цена закрытия в воскресенье составила 2530 долларов, что на 4% меньше, чем за тот же период на прошлой неделе.
Обсуждение токена TON за прошлую неделю составило 782 раза, что на 12,63% меньше, чем на предыдущей неделе. Его цена закрытия в воскресенье составила 5,26 долларов, что на 0,25% ниже, чем на аналогичную дату на прошлой неделе.
Потенциал и вызовы технологии гомоморфного шифрования
Гомоморфное шифрование ( FHE ) является передовой технологией в области криптографии, основным преимуществом которой является возможность выполнения вычислений непосредственно над зашифрованными данными без необходимости их расшифровки. Эта особенность предоставляет мощную поддержку для защиты конфиденциальности и обработки данных. FHE имеет широкие перспективы применения в финансовом секторе, здравоохранении, облачных вычислениях, машинном обучении, системах голосования, Интернете вещей и защите конфиденциальности в блокчейне. Однако, несмотря на светлые перспективы, FHE все еще сталкивается с множеством вызовов в процессе коммерциализации.
Преимущества FHE и сценарии применения
Основное преимущество FHE заключается в защите конфиденциальности. Например, когда одной компании необходимо использовать вычислительные мощности другой компании для анализа данных, но она не хочет раскрывать содержание данных, FHE может оказать помощь. Владельцы данных могут передать зашифрованные данные для обработки вычислительной стороне, и результаты вычислений остаются зашифрованными; после расшифровки владельцы данных могут получить результаты анализа. Эта механика эффективно защищает конфиденциальность данных и позволяет вычислительной стороне выполнить необходимую работу.
Для таких чувствительных к данным отраслей, как финансы и здравоохранение, этот механизм защиты конфиденциальности особенно важен. С развитием облачных вычислений и искусственного интеллекта безопасность данных становится все более актуальной. FHE в этих областях может обеспечить защиту многосторонних вычислений, позволяя сторонам сотрудничать без раскрытия конфиденциальной информации. В технологии блокчейн FHE повышает прозрачность и безопасность обработки данных за счет функций защиты конфиденциальности на цепочке и проверки закрытых транзакций.
Сравнение FHE с другими способами шифрования
В области Web3 основными методами защиты конфиденциальности являются FHE, нулевое знание (ZK), многопартия вычисления (MPC) и доверенная исполняемая среда (TEE). В отличие от ZK, FHE может выполнять различные операции над зашифрованными данными, не требуя предварительной расшифровки данных. MPC позволяет сторонам выполнять вычисления в условиях шифрования данных, не обмениваясь конфиденциальной информацией. TEE предоставляет вычисления в безопасной среде, но относительная гибкость обработки данных ограничена.
Эти криптоактивы имеют свои преимущества, но в поддержке сложных вычислительных задач FHE особенно выделяется. Тем не менее, FHE в реальных приложениях по-прежнему сталкивается с проблемами высокой вычислительной нагрузки и плохой масштабируемости, что ограничивает его производительность в режиме реального времени.
Ограничения и вызовы FHE
Несмотря на то, что теоретическая база FHE мощна, в коммерческих приложениях возникли практические проблемы:
Большие вычислительные затраты: FHE требует большого количества вычислительных ресурсов, и по сравнению с нешифрованными вычислениями его вычислительные затраты значительно возрастают. Для высоких полиномов время обработки растет полиномиально, поэтому FHE трудно удовлетворить требования к вычислениям в реальном времени.
Ограниченные операционные возможности: хотя FHE может выполнять сложение и умножение зашифрованных данных, поддержка сложных нелинейных операций ограничена, что является узким местом для приложений искусственного интеллекта, таких как глубокие нейронные сети.
Сложность поддержки нескольких пользователей: FHE хорошо работает в сценариях с одним пользователем, но при работе с многопользовательскими наборами данных системная сложность резко возрастает. Хотя существуют многоключевые FHE-рамки, позволяющие обрабатывать зашифрованные наборы данных с различными ключами, управление ключами и сложность архитектуры системы значительно увеличиваются.
Слияние FHE и искусственного интеллекта
В эпоху, когда данные играют ключевую роль, искусственный интеллект (AI) широко применяется в различных областях, но опасения по поводу конфиденциальности данных часто заставляют пользователей не желать делиться чувствительной информацией. FHE предлагает решения для защиты конфиденциальности в области ИИ. В облачных вычислениях с помощью FHE данные пользователей могут обрабатываться в зашифрованном состоянии, что гарантирует конфиденциальность данных.
Это преимущество особенно важно в условиях требований таких регуляторов, как GDPR, которые требуют от пользователей права на информацию о способах обработки данных и обеспечения защиты данных в процессе передачи. Конечное шифрование FHE обеспечивает соблюдение норм и безопасность данных.
Применение FHE в блокчейне и проекты
FHE в блокчейне в основном применяется для защиты конфиденциальности данных, включая конфиденциальность на цепочке, конфиденциальность данных для обучения ИИ, конфиденциальность голосования на цепочке и проверку конфиденциальных транзакций на цепочке. В настоящее время несколько проектов используют технологии FHE для реализации защиты конфиденциальности:
Решение FHE, разработанное в рамках определенного проекта, широко используется в нескольких проектах по защите конфиденциальности.
Некоторый проект основан на технологии TFHE, сосредоточен на булевых операциях и операциях с короткими целыми числами, и разработал стек разработки FHE для приложений блокчейна и ИИ.
Некоторые проекты разработали новый язык смарт-контрактов и библиотеку HyperghraphFHE, подходящую для блокчейн-сетей.
Некоторый проект использует FHE для реализации защиты конфиденциальности в вычислительных сетях AI, поддерживает различные модели AI.
Некоторый проект сочетает FHE с искусственным интеллектом, предоставляя децентрализованную и защищённую от посторонних глаз среду AI.
Некоторый проект в качестве решения Layer 2 для Ethereum поддерживает FHE Rollups и FHE Coprocessors, совместим с EVM и поддерживает смарт-контракты, написанные на Solidity.
Вывод
FHE как передовая технология, способная выполнять вычисления над зашифрованными данными, имеет значительные преимущества в защите конфиденциальности данных. Хотя текущие коммерческие применения FHE все еще сталкиваются с проблемами высокой вычислительной нагрузки и низкой масштабируемости, эти проблемы могут быть постепенно решены с помощью аппаратного ускорения и оптимизации алгоритмов. Кроме того, с развитием технологии блокчейн FHE будет играть все более важную роль в защите конфиденциальности и безопасных вычислениях. В будущем FHE может стать ключевой технологией, поддерживающей защищенные вычисления, что приведет к новым революционным прорывам в области безопасности данных.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
Гомоморфное шифрование FHE: новый инструмент защиты конфиденциальности в Блокчейн и вызовы применения
Криптоактивы обсуждение горячие и анализ ценовых колебаний
По состоянию на 13 октября, одна из платформ данных провела статистический анализ обсуждаемости основных Криптоактивы и изменений цен.
Обсуждений о биткойне на прошлой неделе было 12,52K, что на 0,98% меньше, чем на предыдущей неделе. Его цена закрытия в воскресенье составила 63916 долларов, что на 1,62% больше, чем за ту же неделю в прошлом.
Обсуждение Ethereum на прошлой неделе составило 3.63K раз, что на 3.45% больше, чем на предыдущей неделе. Его цена закрытия в воскресенье составила 2530 долларов, что на 4% меньше, чем за тот же период на прошлой неделе.
Обсуждение токена TON за прошлую неделю составило 782 раза, что на 12,63% меньше, чем на предыдущей неделе. Его цена закрытия в воскресенье составила 5,26 долларов, что на 0,25% ниже, чем на аналогичную дату на прошлой неделе.
Потенциал и вызовы технологии гомоморфного шифрования
Гомоморфное шифрование ( FHE ) является передовой технологией в области криптографии, основным преимуществом которой является возможность выполнения вычислений непосредственно над зашифрованными данными без необходимости их расшифровки. Эта особенность предоставляет мощную поддержку для защиты конфиденциальности и обработки данных. FHE имеет широкие перспективы применения в финансовом секторе, здравоохранении, облачных вычислениях, машинном обучении, системах голосования, Интернете вещей и защите конфиденциальности в блокчейне. Однако, несмотря на светлые перспективы, FHE все еще сталкивается с множеством вызовов в процессе коммерциализации.
Преимущества FHE и сценарии применения
Основное преимущество FHE заключается в защите конфиденциальности. Например, когда одной компании необходимо использовать вычислительные мощности другой компании для анализа данных, но она не хочет раскрывать содержание данных, FHE может оказать помощь. Владельцы данных могут передать зашифрованные данные для обработки вычислительной стороне, и результаты вычислений остаются зашифрованными; после расшифровки владельцы данных могут получить результаты анализа. Эта механика эффективно защищает конфиденциальность данных и позволяет вычислительной стороне выполнить необходимую работу.
Для таких чувствительных к данным отраслей, как финансы и здравоохранение, этот механизм защиты конфиденциальности особенно важен. С развитием облачных вычислений и искусственного интеллекта безопасность данных становится все более актуальной. FHE в этих областях может обеспечить защиту многосторонних вычислений, позволяя сторонам сотрудничать без раскрытия конфиденциальной информации. В технологии блокчейн FHE повышает прозрачность и безопасность обработки данных за счет функций защиты конфиденциальности на цепочке и проверки закрытых транзакций.
Сравнение FHE с другими способами шифрования
В области Web3 основными методами защиты конфиденциальности являются FHE, нулевое знание (ZK), многопартия вычисления (MPC) и доверенная исполняемая среда (TEE). В отличие от ZK, FHE может выполнять различные операции над зашифрованными данными, не требуя предварительной расшифровки данных. MPC позволяет сторонам выполнять вычисления в условиях шифрования данных, не обмениваясь конфиденциальной информацией. TEE предоставляет вычисления в безопасной среде, но относительная гибкость обработки данных ограничена.
Эти криптоактивы имеют свои преимущества, но в поддержке сложных вычислительных задач FHE особенно выделяется. Тем не менее, FHE в реальных приложениях по-прежнему сталкивается с проблемами высокой вычислительной нагрузки и плохой масштабируемости, что ограничивает его производительность в режиме реального времени.
Ограничения и вызовы FHE
Несмотря на то, что теоретическая база FHE мощна, в коммерческих приложениях возникли практические проблемы:
Большие вычислительные затраты: FHE требует большого количества вычислительных ресурсов, и по сравнению с нешифрованными вычислениями его вычислительные затраты значительно возрастают. Для высоких полиномов время обработки растет полиномиально, поэтому FHE трудно удовлетворить требования к вычислениям в реальном времени.
Ограниченные операционные возможности: хотя FHE может выполнять сложение и умножение зашифрованных данных, поддержка сложных нелинейных операций ограничена, что является узким местом для приложений искусственного интеллекта, таких как глубокие нейронные сети.
Сложность поддержки нескольких пользователей: FHE хорошо работает в сценариях с одним пользователем, но при работе с многопользовательскими наборами данных системная сложность резко возрастает. Хотя существуют многоключевые FHE-рамки, позволяющие обрабатывать зашифрованные наборы данных с различными ключами, управление ключами и сложность архитектуры системы значительно увеличиваются.
Слияние FHE и искусственного интеллекта
В эпоху, когда данные играют ключевую роль, искусственный интеллект (AI) широко применяется в различных областях, но опасения по поводу конфиденциальности данных часто заставляют пользователей не желать делиться чувствительной информацией. FHE предлагает решения для защиты конфиденциальности в области ИИ. В облачных вычислениях с помощью FHE данные пользователей могут обрабатываться в зашифрованном состоянии, что гарантирует конфиденциальность данных.
Это преимущество особенно важно в условиях требований таких регуляторов, как GDPR, которые требуют от пользователей права на информацию о способах обработки данных и обеспечения защиты данных в процессе передачи. Конечное шифрование FHE обеспечивает соблюдение норм и безопасность данных.
Применение FHE в блокчейне и проекты
FHE в блокчейне в основном применяется для защиты конфиденциальности данных, включая конфиденциальность на цепочке, конфиденциальность данных для обучения ИИ, конфиденциальность голосования на цепочке и проверку конфиденциальных транзакций на цепочке. В настоящее время несколько проектов используют технологии FHE для реализации защиты конфиденциальности:
Вывод
FHE как передовая технология, способная выполнять вычисления над зашифрованными данными, имеет значительные преимущества в защите конфиденциальности данных. Хотя текущие коммерческие применения FHE все еще сталкиваются с проблемами высокой вычислительной нагрузки и низкой масштабируемости, эти проблемы могут быть постепенно решены с помощью аппаратного ускорения и оптимизации алгоритмов. Кроме того, с развитием технологии блокчейн FHE будет играть все более важную роль в защите конфиденциальности и безопасных вычислениях. В будущем FHE может стать ключевой технологией, поддерживающей защищенные вычисления, что приведет к новым революционным прорывам в области безопасности данных.