FHE:Áo choàng tàng hình trong Mật mã học

FHE( mã hóa toàn phương thức ) là một công nghệ mã hóa tiên tiến, có khả năng thực hiện tính toán trực tiếp trên dữ liệu đã được mã hóa, từ đó xử lý dữ liệu trong khi vẫn bảo vệ quyền riêng tư. Công nghệ này có nhiều ứng dụng tiềm năng trong các lĩnh vực tài chính, y tế, điện toán đám mây, học máy, nhưng do chi phí tính toán và bộ nhớ lớn, hiện tại việc thương mại hóa vẫn cần thời gian.

Nguyên tắc cơ bản

Ý tưởng cốt lõi của FHE là sử dụng đa thức để ẩn thông tin gốc. Một quá trình mã hóa đơn giản có thể như sau:

1. Chọn một đa thức khóa s(x)
2. Tạo một đa thức ngẫu nhiên a(x)
3. Tạo một đa thức "nhiễu" nhỏ e(x)
4. Văn bản rõ ràng m: c(x) = m + a(x)*s(x) + e(x)

Giải mã, chỉ cần biết khóa s(x), có thể khôi phục văn bản rõ m từ c(x).

Để thực hiện tính toán với độ sâu tùy ý, FHE đã áp dụng một số công nghệ sau:

• Chuyển đổi khóa: Nén kích thước văn bản mật
• Chuyển đổi mô đun: kiểm soát sự gia tăng tiếng ồn
• Tự khởi động ( Bootstrap ): Đặt lại mức độ tiếng ồn

Hiện tại, các giải pháp FHE chính thống đều dựa trên công nghệ tự khởi động, như BGV, BFV, CKKS, v.v.

Những thách thức đối mặt

Vấn đề lớn nhất của FHE là chi phí tính toán khổng lồ. So với tính toán thông thường, phiên bản FHE có thể chậm hơn hàng trăm triệu lần. Để tăng tốc FHE, DARPA của Mỹ đã khởi động chương trình DPRIVE, mục tiêu là nâng tốc độ FHE lên 1/10 so với tính toán thông thường. Chương trình này chủ yếu tập trung vào các khía cạnh sau:

1. Tăng kích thước từ của bộ xử lý
2. Phát triển chip ASIC chuyên dụng
3. Xây dựng kiến trúc song song MIMD

Mặc dù tiến triển chậm, nhưng về lâu dài, công nghệ FHE vẫn có ý nghĩa quan trọng, đặc biệt trong việc xử lý dữ liệu nhạy cảm.

Ứng dụng trong Mật mã học

FHE trong lĩnh vực blockchain chủ yếu được sử dụng để bảo vệ quyền riêng tư dữ liệu, bao gồm:

• Bảo vệ quyền riêng tư trên chuỗi
• Quyền riêng tư dữ liệu đào tạo AI
• Bỏ phiếu trên chuỗi riêng tư
• Xem xét giao dịch riêng tư trên chuỗi
• Giải pháp MEV tiềm năng

Nhưng hiện tại, hiệu suất của FHE đã hạn chế việc ứng dụng quy mô lớn của nó.

Dự án chính

Hiện tại, các dự án liên quan đến FHE chủ yếu dựa trên công nghệ do Zama cung cấp:

• Fhenix: Optimism Layer 2 ưu tiên quyền riêng tư
• Privasea: Tính toán dữ liệu LLM
• Inco Network: Xây dựng Layer 1
• Arcium: Kết hợp công nghệ FHE, MPC và ZK
• Mind Network: cung cấp kiến trúc subnet dựa trên FHE

Ngoài ra, Octra đã áp dụng công nghệ hypergraphs tự nghiên cứu để thực hiện FHE.

Triển vọng

FHE vẫn đang ở giai đoạn đầu, phải đối mặt với nhiều thách thức:

• Chi phí cao
• Độ khó của dự án lớn
• Triển vọng thương mại không rõ ràng

Nhưng với việc tăng cường đầu tư và triển khai chip chuyên dụng, FHE có thể mang lại những thay đổi trong các lĩnh vực quốc phòng, tài chính, y tế. Trong tương lai, sự kết hợp giữa FHE và các công nghệ tiên tiến như tính toán lượng tử có thể dẫn đến sự tăng trưởng bùng nổ.