FHE: Jalan Masa Depan Perhitungan Privasi

Enkripsi Homomorfik Penuh (FHE) adalah teknologi enkripsi canggih yang memungkinkan perhitungan langsung pada data yang terenkripsi, sehingga dapat memproses data sambil menjaga privasi. FHE memiliki aplikasi potensial di berbagai bidang seperti keuangan, kesehatan, dan komputasi awan, tetapi karena biaya komputasi yang besar, saat ini masih menghadapi tantangan dalam penerapan komersial.

Prinsip Dasar FHE

Inti dari FHE adalah menyembunyikan informasi asli melalui polinomial. Sebuah sistem FHE yang disederhanakan secara garis besar mencakup langkah-langkah berikut:

1. Pilih polinomial kunci s(x)
2. Menghasilkan polinomial acak a(x)
3. Menghasilkan polinomial "kesalahan" kecil e(x)
4. Teks terenkripsi m: c(x) = m + a(x)*s(x) + e(x)

Memperkenalkan noise e(x) bertujuan untuk mencegah penyerang mendapatkan hubungan antara s(x) dan c(x) melalui input berulang. Namun, noise juga membawa masalah: seiring bertambahnya jumlah perhitungan, noise akan terus terakumulasi, yang pada akhirnya dapat menyebabkan ketidakmampuan untuk mendekripsi dengan benar.

Untuk mengatasi masalah kebisingan, FHE menggunakan teknologi kunci berikut:

• Pengalihan kunci: Mengompresi ukuran ciphertext
• Modulus switching: mengurangi anggaran kebisingan
• Bootstrap: Mengatur ulang kebisingan ke tingkat awal

Saat ini, solusi FHE yang paling umum menggunakan teknologi Bootstrap, dengan implementasi perwakilan termasuk BGV, BFV, TFHE, dan lain-lain.

Tantangan yang Dihadapi FHE

Tantangan terbesar FHE adalah biaya perhitungan yang sangat besar. Dibandingkan dengan perhitungan biasa, kecepatan perhitungan FHE lebih lambat sekitar 1 juta kali. Untuk mempercepat perhitungan FHE, DARPA Amerika Serikat meluncurkan program DPRIVE, yang bertujuan untuk meningkatkan kecepatan perhitungan FHE menjadi 1/10 dari perhitungan biasa. Program ini terutama berfokus pada aspek-aspek berikut:

1. Memperbesar panjang kata prosesor
2. Membangun prosesor ASIC khusus
3. Mengadopsi arsitektur paralel MIMD

Meskipun rencana DPRIVE belum mencapai target yang diharapkan, namun dalam jangka panjang, teknologi FHE tetap memiliki arti penting untuk mengelola data sensitif, terutama di era pasca-kuantum.

Aplikasi FHE dalam Blockchain

Dalam bidang blockchain, FHE dapat digunakan untuk melindungi privasi di blockchain, privasi data pelatihan AI, privasi pemungutan suara, dan lain-lain. Beberapa proyek mencoba menerapkan FHE untuk perlindungan MEV, tetapi juga menghadapi masalah efisiensi dan hilangnya eksternalitas positif.

Proyek blockchain FHE utama saat ini termasuk:

• Zama: menyediakan tumpukan pengembangan berbasis TFHE
• Fhenix: Membangun Layer 2 yang mengutamakan privasi
• Privasea: Menggunakan FHE untuk perhitungan data LLM
• Inco Network: Membangun Layer 1 FHE
• Mind Network: Menggabungkan Restaking untuk menyediakan subnet berbasis FHE
• Octra: Menggunakan teknologi hypergraphs untuk mewujudkan FHE

Prospek Masa Depan

Teknologi FHE saat ini masih berada di tahap awal, menghadapi tantangan efisiensi yang rendah dan biaya yang tinggi. Namun, dengan lebih banyak dana dan penelitian yang diinvestasikan, serta pengembangan chip khusus, FHE diharapkan dapat membawa perubahan mendalam di bidang pertahanan, keuangan, dan kesehatan. Meskipun jalannya panjang, FHE sebagai jalan masa depan komputasi privasi memiliki potensi yang tidak boleh diremehkan.