全同態加密貨幣（FHE）是一種資料加密貨幣方法，可在不暴露原始資料的情況下進行計算。 FHE的應用包括醫療資料分析和AI訓練。然而，FHE在實務上面臨計算挑戰和處理噪音的問題。近年來，微軟、英特爾和DARPA啟動了DPRIVE項目，該項目旨在加速FHE的發展。另外，公司如Cornami、Zama和Fhenix也獲得資金支持進行FHE領域的研究與發展。隨著開源庫的不斷增加，FHE正逐漸從概念轉變為實際應用，並將對資料隱私和技術發展產生深遠影響。
前言
介紹全同態加密貨幣（FHE）：探索其令人興奮的應用、限制以及推動其熱門的最新發展。
當我（Mustafa）第一次流行「全同態加密貨幣」（FHE）時，我想到了區塊鏈領域為具有長名稱趨勢的概念。這些年來，我們遇到了許多在業界引起轟動的流行詞，最近的一個是「零知識證明」（ZKP）。
在對一些使用FHE建造產品的新公司進行一些調查和探索之後，我注意到一條充滿了絢麗新工具的地平線。在未來的幾個月和幾年中，FHE可能會像ZKP一樣成為席成交量產業的下一個重大技術。各公司正利用在密碼學和雲端運算各領域的最新進展，為邁向一條強大的、保護資料隱私的未來鋪路。問題不在於我們是否能夠實現，而是能夠實現，我相信FHE可能是推動資料隱私和資料前進的關鍵催化劑。
“FHE是密碼學的聖杯。隨著時間的流逝，FHE將匯總所有計算的結構，無論是web2還是web3。”
什麼是同態
同態（同態）這個術語，我們首先來理解「同態」這個字的意義。回顧其根源，同態起源於數學，定義在兩個同類型代數結構之間的映射，它保留了它們之間的一個核心組成部分。
如果你跟我一樣比較喜歡實用的定義，那麼這背後的原理是，兩個又不需要數學，就可以擁有相同的核心屬性。例如，想像兩個盛有水果的盒子，每個盒子對應一個不同的群體：
盒子A包含小型水果。 BoxB包含大型水果。
儘管各個水果的大小不同，但在盒子A中將小蘋果和橙子一起榨汁可以產生與在盒子B中將大蘋果和橙子一起榨汁相同的混合果汁味道。榨汁以產生相同的味道在盒子之間保留一個核心組件。兩個假設相同的風味是我們的主要關注點，那麼我們從哪個盒子榨取果汁並不重要，因為果汁的數量不是我們關注的焦點。在重要的方面（味道）
道），這兩個群體是等價的，所以它們之間的差異（大小和數量）不會影響我們定義的它們的主要功能，即產生特定的果汁風味。
與同類相比，我們捕捉了它的兩個主要特徵：
地圖：我們在水果之間建立了聯繫，其中盒子A中的每個小水果都對應盒子B中的一個更大的版本。因此，
盒子A中的小蘋果對應盒子B中的大蘋果，依此類推。
操作保持：如果在盒子A中榨汁機中兩個小水果產生了特定的風味，那麼在盒子B中榨汁機中它們對應的增加版本也應產生相同的風味。雖然獲取的果汁的大小和數量不同，但「特徵」得以保留。
什麼是全同態加密貨幣
將這一點與本文的中心話題聯繫起來，全同態加密貨幣（FHE）是一種特定的資料加密貨幣方法，它使人們能夠在不暴露原始資料的情況下對資料加密貨幣進行計算。理論上，加密貨幣資料的分析和計算會產生與對原始資料進行的相同的結果。透過FHE，我們在加密貨幣資料中心化的資料與原始資料中心化的資料之間建立了一對一的連結。在這種情況下，核心組件的保留能夠對任何資料中心化的資料執行任何計算並產生相同結果的能力。
在這方面，許多公司已經採取預防措施來保護用戶資料並維護差分隱私。公司很少在雲端儲存資料庫中儲存仍原始的、未加密的資料。因此，即使攻擊者控制了公司的伺服器，他們需繞過加密貨幣才能讀取和存取資料。然而，當資料簡單地被加密貨幣被使用時，它並不具有趣味性。當公司希望對資料進行分析有價值的洞見時，他們別無選擇，只能解密資料來進行。當資料解密時，它變得脆弱。然而，透過高精度加密貨幣，FHE變得非常有用，因為我們不再需要解密資料來分析它；這只是可能性的冰山
一角。
一個關鍵的考慮因素是公司是否應該允許一開始就閱讀和儲存我們的個人資訊。許多人對此標準回應是，公司需要看到我們的數據才能為我們提供更好的服務。
如果YouTube不像我的觀看和搜尋歷史這樣的數據，演算法就無法充分發揮潛力，向我展示我感興趣的影片。因此，許多人認為在資料隱私和獲得更好的服務之間的權衡是值得的。然而，有了FHE，我們訓練不再需要進行這種權衡。像YouTube這樣的公司可以在加密貨幣資料上他們的演算法，並為最終產生用戶相同的結果，而不侵犯資料隱私。具體也就是說，他們可以同態加密貨幣像我的觀看和搜索歷史這樣的信息，在無法查看它的情況下進行分析，然後根據分析向我展示我感興趣的視頻。
FHE 是為了建立一個我們的數據而不再是我們自由給予組織的有價值商品的未來邁出的重要一步。
全同態加密的應用
全同態加密貨幣（FHE）如果應用得當，將是所有儲存用戶資料的行業的突破。我們正在觀察的一項可能會改變我們對資料隱私的整體態度以及公司專注的侵犯的技術。
讓我們先來探討FHE 如何改善醫療產業的資料實務。許多醫院在其資料庫中保存著病患的私人記錄，
出於道德和法律原因，這些必須保密。然而，這些資訊對外部醫學研究人員非常有價值，他們可以分析這些數據以推導出關於疾病和潛在治療方法的重要評估。一個記錄椎間盤突出研究的主要障礙是
將資料外包給研究人員時完全保留患者資料的匿名隱私。有許多方法可以使患者記錄匿名化或偽化，但這些方法並不完美，或者可能過度公開某些人的信息，從而可識別或可能沒有明確足夠的病例信息，導致難以獲得有關疾病的準確意見。
透過FHE，醫院可以同態加密貨幣患者數據，使在雲端保護患者隱私變得更加容易。醫學研究人員可以在加密貨幣資料上執行計算和運行分析功能，而不會損害患者的隱私。由於加密貨幣資料與原始資料之間存在一個映射，從加密貨幣資料集獲得的結果可以評估實際病例的真實反應。 FHE可以迅速推動醫療產業的進步。
全同態加密貨幣（FHE）在人工智慧（AI）訓練中的另一個令人興奮的應用也值得關注。目前，AI 領域面臨隱私問題，這阻礙了公司獲取對精煉AI 演算法至關重要的大量資料培訓人工智慧的公司必須在使用有限的公共資料集支付、大量資金購買私人資料集或創建資料集之間做出選擇，對於使用者來說，對於具有特別認知的小公司來說。 FHE應該能夠解決阻止許多資料集提供者進入這個市場的隱私問題。因此，FHE的改進很可能導致可用於訓練AI的資料集數量增加。這使得AI訓練更加經濟可行且精細化，從而獲得可用資料集的多樣性增加。
使用FHE，公司可以在不洩漏原始資料的情況下對加密貨幣資料進行機器學習模型訓練。這意味著數據所有者可以安全地共享他們的加密貨幣數據，而不必擔心隱私洩露或資料外洩。同時，AI模型訓練者可以利用更多樣化和全面的資料集來改進其演算法，這些資料集在沒有FHE的情況下可能無法使用。因此，全同態加密貨幣不僅提高了資料的安全性，也拓寬了AI研究和開發的可能性，使得AI技術的應用更加廣泛和有效率。
過去全同態加密的缺陷
儘管全同態加密貨幣（FHE）確實致力於改變當代大數據，但我們為什麼還沒有看到更多的實際應用呢？
雖然FHE已經是人們討論和研究的許多話題，但現實是，在實踐中實現FHE非常困難。關鍵挑戰在於執行FHE所需的運算能力。一個全同態安全的資料集可以用原始資料形式產生相同的資料的分析結果。這是一個棘手的問題，需要大量的計算速度和能力，其中許多在現有計算機上實施是不切實際的。通常在原始資料上需要一些操作，在同態加密貨幣資料集限制可能需要幾小時甚至幾天。計算挑戰造成了一個自我生長的循環，許多工程師推遲了這種FHE專案的承擔，從而阻礙了其發展並使其優勢完全實現。
FHE上的工程師面臨的一個具體的計算問題是處理「噪音噪音」。在對同態加密貨幣資料集進行計算時，許多工程師都遇到了每次計算都會產生額外雜訊或錯誤的情況。當只需要進行幾次計算時，這是可以忍受的，但在多次分析之後，雜訊可能變得如此突出，以至於原始資料變得難以理解。數據幾乎丟失了。
為什麼是現在
就像生成式人工智慧一樣，曾經被認為是有限且原始的，直到成為主流，全同態加密貨幣（FHE）正走在類似的進步軌道上。許多行業領袖，甚至是那些超越區塊鏈領域的人的領袖，已經聚集起來組織對FHE 的大量研究和開發。這導致了近期的幾個行業發展，推動了這項技術進步的引人注目的敘述。
DPRIVE項目
2021年3月，微軟、英特爾和美國國防高級研究計劃局（DARPA）同意啟動一個多年期計劃，以加速全同態加密貨幣（FHE）的發展。這個名為「虛擬環境中的資料保護」（DPRIVE） ）的計畫取得了FHE 的重大進展。它展示了重點關注雲端運算和電腦硬體的行業聯盟聯合解決資料隱私問題。他們啟動該計劃是為了建立能夠管理FHE 計算速度的電腦和軟體，並建立準確實施FHE的指導方針，防止由於錯誤使用而導致的資料外洩。
DPRIVE 計畫的一部分，工程師認為透過探索方法來減少雜訊直至保持原始資料水平的任務，以此來減少前面提到的「雜訊錯誤」。一個有前景的解決方案是設計大算術字大小（LAWS）資料表示。雖然傳統的電腦處理器（CPU）通常使用64位元字，但工程師正在開發能夠處理1024位元或更多位元的LAWS新硬體。這種方法同步有效，是因為研究簡單地說，在FHE中每進行一步額外計算時產生的噪聲更少，允許執行更多的計算，直到數據達到丟失閾值。硬體來應對這些挑戰，參與DPRIVE 計畫的工程師大大減少了執行FHE 所需的計算負載。
為了加速運算並使FHE速度提升100,000倍的目標，DPRIVE團隊開啟了一個持續的旅程，設計出超越常規處理和繪圖單元能力的新資料處理系統。他們開發了一種新的多指令多資料（ MIMD）系統，能夠同時管理多個指令和資料集。 MIMD建造一條新的高速公路，而不是使用現有不適合的道路來承載FHE快速、即時計算所需的流量。
DPRIVE 計劃的一個有趣的端點將它放置在計算機數學計算中廣泛使用了「家具性」。這使得開發者能夠同時進行多個大型數位計算。您可以將家具性想像為同時部署一群數學家來處理一個巨大的數學問題的不同部分，並不是讓他們一個接一個地完成各自的工作。雖然同時進行拼圖計算有助於快速解決問題，但電腦必須進行空冷以防止過熱。
2022年9月，啟動該計畫一年半後，微軟、英特爾和DARPA宣布他們已成功完成DPRIVE計畫的第一階段。他們目前啟動了DPRIVE的第二階段。
SDK和開源函式庫
隨著大規模公司在全同態加密貨幣（FHE）領域的先行探索，可用的軟體開發套件（SDK）和開源庫數量大幅上漲，這使得開發者能夠基於異質的工作進行構建。
微軟宣布推出Microsoft Seal，這是一個開源程式庫，為開發者提供了在資料集上執行同態加密的工具。這使得更廣泛的開發者能夠探索FHE，從而民主化了端到端加密貨幣和計算服務該庫提供了同態加密貨幣程序的示例，並附有詳細的註釋，以指導開發者進行正確和安全的使用。
英特爾也推出了自己的同態加密貨幣工具包，為開發者提供了在雲端中更快實現同態加密的工具。英特爾設計這個工具包時保持了靈活性，確保與最新的數據處理和計算進展兼容它包括專門為格密碼學定制的函數、與Microsoft Seal 的無縫操作集成、同態加密貨幣方案的樣本以及指導使用者的技術文件。
谷歌的Private Join and Compute開源函式庫為開發者提供了多方運算（MPC）工具。這種計算方式允許各方結合各自不同的資料集來獲得共享請求，而消耗向各自發出原始資料。 Private Join and Compute結合了來自FHE的密碼技術與Private Set Intersection（PSI）來優化資料保密實務。 PSI是另一種密碼方法，允許擁有不同資料集的彼此識別共同元素或資料點，進而知曉他們的資料。谷歌在推進資料隱私方面的方法中心化在FHE上；它透過將FHE與其他有影響力的資料實踐整合，優先考慮了更廣泛的MPC概念。
值得注意的是，針對FHE的良好的開源庫的可用性正在上漲。然而，當觀察到知名公司在其營運中實驗這些庫時，這一點變得更加引人注目。 2021年4月，作為著名的股票交易所和資本市場的全球實體技術，納斯達克將FHE納入其營運。納斯達克利用英特爾的FHE工具和高速處理器，透過反洗錢努力和阻止檢測來應對金融犯罪。透過使用同態加密貨幣來識別包含敏感資訊的資料中心化的價值和潛在的非法活動來實現。
最近的資本招募集
除了前面提到的公司進行的研究和開發之外，還有幾家其他公司最近獲得了針對全同態加密貨幣（FHE）舉措的大量資金。
Cornami 是一家大型科技公司，因開發專為同態加密貨幣設計的可擴展雲端運算技術而聞名。他們參與了許多旨在創建比傳統CPU 更有效支援FHE 的運算系統的努力。他們還指導旨在保護加密貨幣數據完成量子計算威脅的步伐。 2022年5月，Cornami宣布成功C輪融資，獲得了由軟銀領投的6,800萬美元，總融資達1.5億美元。
Zama 是區塊鏈產業中的另一家公司，它正在建立開源同態加密貨幣工具，開發者可以利用這些工具使用FHE、區塊鏈和AI 建立令人興奮的應用程式。 Zama 已經建構了一個全同態加密貨幣工具。以太坊虛擬機（fhEVM）作為其產品供應的一部分。這種智能合約協議使鏈上交易資料在處理過程中保持加密貨幣。探索Zama庫的各種應用的開發者對其性能印象深刻，即使在複雜性Zama 在2022 年2 月成功完成了由Protocol Labs 領投的4200 萬美元的A 輪融資，總資本提升到了5000 萬美元。
Fhenix也是一個新興項目，它正在將FHE帶入區塊鏈。他們的目標是將FHE應用到隱私支付之外，為FHE去中心化金融（DeFi）、橋接、治理投票和Web3遊戲等領域激動人心的例子打開大門。 2023年9月，Fhenix宣布完成由Multicoin Capital和Collider Ventures領投的700萬美元種子輪融資。
接下來會發生什麼
多年來，全同態加密貨幣（FHE）一直是一個承諾提供強大的端對端加密的想法，著眼於資料隱私強大的未來。最近的發展開始將FHE從理論夢轉變為現實應用。雖然各種公司都在競爭成為第一個實現強大、功能封裝的FHE版本的先驅，但許多公司正在共同合作導航這項強大技術的複雜性。這種合作精神透過他們實施各種跨團隊專案和開發與其他庫整合的開源庫而顯現。
根據我的發現，圍繞FHE的討論似乎會影響未來。在接下來的幾周里，我很高興能夠進行更深入的探討，並分享我對FHE研究的更多建議。具體來說，我渴望探索更多關於以下主題的內容：
FHE的新興應用：
零知識證明（ZKPs）與FHE之間的對應。將FHE與內心集合交集（PSI）整合，以推進安全的多方計算（MPC）。像Zama和Fhenix這樣的新公司，正在FHE領域中引領發展。
參考：
阿拉姆帕齊斯，阿納斯塔西奧斯。 「同態加密的最新進展。」Venafi，2022 年2 月1 日，venafi.com/blog/what-are-latest-developments-homomorphic-encryption-ask-experts/。
阿拉姆帕齊斯，阿納斯塔西奧斯。 「什麼是同態加密貨幣及其如何使用。」Venafi，2023 年4 月28 日，venafi.com/blog/homomorphic-encryption-what-it-and-how-it-used/。
「建立硬體以實現持續的資料保護。」DARPA，2020 年3 月2 日，www.darpa.mil/news-events/2020-03-02。
克里斯托瓦爾，塞繆爾。 “完全同態加密貨幣：密碼學的聖杯。” Datascience.Aero，2021 年1 月7 日，datascience.aero/全同態cryptos-密碼學的聖杯/。
「同態加密貨幣：它是什麼，為什麼重要？」網路協會，2023 年 3 月9 日，www.internetsociety.org/resources/doc/2023/homomorphic-encryption/。
亨特，詹姆斯。 「FHENIX 在Multicoin Capital 領投的種子輪融資中籌集了700 萬美元。」The Block，The Block，2023 年9 月26 日，www.theblock.co/post/252931/fhenix-seed-multicoin-capital。
「Intel® 同態加密貨幣工具包。」英特爾，1023 年 10 月8 日訪問，www.intel.com/content/www/us/en/developer/tools/homomorphic-encryption/overview.html#gs.fu55im 。
「英特爾將與微軟就DARPA計畫進行合作。」英特爾，2021 年3 月8 日，www.intel.com/content/www/us/en/newsroom/news/intel-collaborate-microsoft-darpa-program.html #gs.ftusxq。
「英特爾至強推進了納斯達克的同態加密貨幣研發。」英特爾，2021 年4 月6 日，www.intel.com/content/www/us/en/newsroom/news/xeon-advances-nasdaqs -homomorphic-encryption-rd.html#gs.6mpgme。
約翰遜、里克. “英特爾完成了完全同態加密貨幣平台的DARPA DPRIVE 第一階段里程碑。” 英特爾，2022 年9 月14 日，community.intel.com/t5/Blogs/Products-and-Solutions/HPC /Intel-Completes-DARPA-DPRIVE-Phase-One-Milestone-for-a-Fully/post/1411021。
「Microsoft Seal：快速且易於使用的同態加密貨幣庫。」微軟研究院，2023 年1 月 4 日，www.microsoft.com/en-us/research/project/microsoft-seal/。
帕利爾，帕斯卡博士。 「完全同態加密貨幣：密碼學的聖杯。」《商業時代》，2023 年3 月9 日，www.businessage.com/post/complete-homomorphic-encryption-the-holy-grail-of-cryptography。
薩馬尼，凱爾。 「鏈上FHE 的黎明。」Chocoin Capital，2023 年9 月26 日，multicoin.capital/2023/09/26/the-dawn-of-on-chain-fhe/。
沃克、阿曼達等。 「幫助組織在不收集更多資料的情況下做更多事情。」Google 線上安全博客，2019 年6 月19 日，security.googleblog.com/2019/06/helping-organizations-do-more-without- collecting-more-data.html。
「什麼是全同態加密貨幣？」Inpher，2021 年4 月11 日，inpher.io/technology/what-is-complete-homomorphic-encryption/。
懷特、馬特. “生成人工智慧簡史”。中型，2023 年7 月8 日，matthewdwhite.medium.com/a-brief-history-of-generative-ai-cb1837e67106#:~:text=Although%20most%20people%20will%20admit,text=Although%20most%20people%20ofwill%20admit,,text%20admit,,20% 20Stable%20Diffusion 。
資訊來源：0x資訊編譯自網際網路。版權歸作者IOSG所有，未經許可，不得轉載