Dinámica del mercado de activos encriptados y el potencial de la tecnología de cifrado homomórfico
Hasta el 13 de octubre, la popularidad de discusión y el rendimiento de precios de los principales activos encriptados son los siguientes:
Una estadística de una plataforma de datos muestra que el volumen de discusión de Bitcoin la semana pasada fue de 12.52K, con una disminución del 0.98% en comparación con la semana anterior. Su precio de cierre del domingo fue de 63916 dólares, con un aumento del 1.62% en comparación con la semana anterior.
El volumen de discusión de Ethereum la semana pasada fue de 3.63K, un aumento del 3.45% en comparación con la semana anterior. Su precio de cierre el domingo fue de 2530 dólares, una disminución del 4% en comparación con la semana anterior.
El volumen de discusión de TON la semana pasada fue de 782 veces, lo que representa una disminución del 12.63% en comparación con la semana anterior. Su precio de cierre del domingo fue de 5.26 dólares, con una ligera caída del 0.25% en comparación con la semana anterior.
Cifrado homomórfico ( FHE ) como una tecnología de vanguardia en el campo de la encriptación, tiene un amplio horizonte de aplicaciones. Su ventaja principal radica en la capacidad de realizar cálculos directamente sobre datos encriptados sin necesidad de desencriptarlos, proporcionando un fuerte apoyo para la protección de la privacidad y el procesamiento de datos. FHE puede aplicarse en múltiples campos como finanzas, salud, computación en la nube, aprendizaje automático, sistemas de votación, Internet de las cosas y protección de la privacidad en blockchain. A pesar de esto, el camino hacia la comercialización de FHE todavía enfrenta algunos desafíos.
Potencial y escenarios de aplicación del FHE
La mayor ventaja de FHE radica en la protección de la privacidad de los datos. Por ejemplo, cuando una empresa necesita aprovechar la potencia de cálculo de otra empresa para analizar datos, pero no desea que el contenido de los datos sea conocido por la otra parte, FHE puede desempeñar un papel. El propietario de los datos puede transmitir los datos encriptados al procesador para su tratamiento, y los resultados del cálculo siguen manteniéndose en estado encriptado; el propietario de los datos puede obtener los resultados del análisis después de desencriptarlos. Este mecanismo protege la privacidad de los datos sin afectar el trabajo de cálculo necesario.
Para industrias sensibles a los datos como las finanzas y la salud, la función de protección de la privacidad del Cifrado homomórfico (FHE) es especialmente importante. Con el desarrollo de la computación en la nube y la IA, la seguridad de los datos se ha convertido en un foco de atención. El FHE puede proporcionar protección de la privacidad en el cálculo multipartito, permitiendo que las partes colaboren sin revelar información sensible. En la tecnología blockchain, el FHE mejora la transparencia y la seguridad del procesamiento de datos a través de funciones como la protección de la privacidad en la cadena y la revisión de transacciones privadas.
Comparación de FHE con otras técnicas de encriptación
En el ámbito de Web3, el Cifrado homomórfico (FHE), la prueba de conocimiento cero (ZK), el cálculo seguro multiparte (MPC) y el entorno de ejecución de confianza (TEE) son todos métodos principales de protección de la privacidad. A diferencia de ZK, FHE puede realizar múltiples operaciones en datos encriptados sin necesidad de descifrarlos primero. MPC permite a múltiples partes realizar cálculos manteniendo los datos encriptados, sin necesidad de compartir información privada. TEE proporciona un entorno de cálculo seguro, pero es relativamente limitado en términos de flexibilidad en el procesamiento de datos.
Estas tecnologías tienen sus propias ventajas, pero en el soporte de tareas de cálculo complejas, el FHE destaca especialmente. Sin embargo, el FHE aún enfrenta problemas de altos costos de cálculo y mala escalabilidad en aplicaciones prácticas, lo que limita su rendimiento en aplicaciones en tiempo real.
Limitaciones y desafíos del FHE
A pesar de que la base teórica de FHE es sólida, se han encontrado algunos desafíos prácticos en el proceso de comercialización:
Costo computacional a gran escala: El cifrado homomórfico requiere una gran cantidad de recursos computacionales, y sus costos aumentan significativamente en comparación con los cálculos no encriptados. Para operaciones polinómicas de alto grado, el tiempo de procesamiento crece de manera polinómica, lo que dificulta satisfacer las demandas de cálculos en tiempo real. Aunque se puede reducir el costo mediante la aceleración por hardware especializado, esto también aumenta la complejidad de la implementación.
Capacidad de operación limitada: aunque el cifrado homomórfico (FHE) puede realizar adiciones y multiplicaciones de datos encriptados, el soporte para operaciones no lineales complejas es limitado, lo que representa un cuello de botella para aplicaciones de IA que involucran redes neuronales profundas. Actualmente, los esquemas de FHE son principalmente aplicables a cálculos lineales y polinómicos simples, y la aplicación de modelos no lineales está significativamente restringida.
Complejidad del soporte para múltiples usuarios: FHE funciona bien en escenarios de un solo usuario, pero la complejidad del sistema aumenta drásticamente cuando se trata de conjuntos de datos de múltiples usuarios. Aunque hay investigaciones que han propuesto marcos de FHE de múltiples claves, que permiten operar sobre conjuntos de datos encriptados con diferentes claves, la gestión de claves y la complejidad de la arquitectura del sistema aumentan considerablemente.
La combinación de FHE y AI
En la actual era impulsada por datos, la IA se aplica ampliamente en múltiples campos, pero las preocupaciones sobre la privacidad de los datos a menudo hacen que los usuarios no deseen compartir información sensible. El Cifrado homomórfico ofrece soluciones de protección de la privacidad en el campo de la IA. En el contexto de la computación en la nube, el Cifrado homomórfico permite que los datos del usuario sean procesados mientras se mantienen en estado encriptado, asegurando la privacidad de los datos.
Esta ventaja es especialmente importante bajo regulaciones como el GDPR, ya que estas regulaciones exigen que los usuarios tengan derecho a ser informados sobre cómo se procesan sus datos y aseguran que los datos estén protegidos durante la transmisión. La encriptación de extremo a extremo de FHE proporciona garantías de cumplimiento y seguridad de los datos.
Aplicaciones de FHE en blockchain
FHE se utiliza principalmente en blockchain para proteger la privacidad de los datos, incluyendo la privacidad en cadena, la privacidad de los datos de entrenamiento de IA, la privacidad de las votaciones en cadena y la revisión de transacciones privadas en cadena. Actualmente, varios proyectos están utilizando la tecnología FHE para impulsar la implementación de la protección de la privacidad:
La solución FHE construida por una empresa se utiliza ampliamente en varios proyectos de protección de la privacidad. Esta empresa se centra en la encriptación de operaciones booleanas y operaciones de enteros de bajo tamaño basadas en la tecnología TFHE, y ha desarrollado una pila de desarrollo FHE para aplicaciones de blockchain y AI.
Otra empresa ha desarrollado un nuevo lenguaje de contratos inteligentes y una biblioteca de Cifrado homomórfico, aptos para redes de blockchain.
Además, hay proyectos que utilizan Cifrado homomórfico para lograr la protección de la privacidad en redes de cálculo de IA, apoyando múltiples modelos de IA.
Una red que combina FHE con IA, proporcionando un entorno de IA descentralizado y con protección de la privacidad.
Como solución de Layer 2 para Ethereum, cierto proyecto soporta Rollups FHE y Coprocesadores FHE, es compatible con EVM y admite contratos inteligentes escritos en Solidity.
Conclusión
FHE como una tecnología avanzada que puede realizar cálculos sobre datos encriptados, tiene ventajas significativas en la protección de la privacidad de los datos. Aunque actualmente la aplicación comercial de FHE aún enfrenta desafíos como altos costos computacionales y escasa escalabilidad, se espera que estos problemas se resuelvan gradualmente mediante la aceleración de hardware y la optimización de algoritmos. Con el desarrollo de la tecnología blockchain, FHE desempeñará un papel cada vez más importante en la protección de la privacidad y el cálculo seguro. En el futuro, FHE tiene el potencial de convertirse en la tecnología central que respalde el cálculo de protección de la privacidad, trayendo avances revolucionarios a la seguridad de los datos.
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
13 me gusta
Recompensa
13
6
Compartir
Comentar
0/400
SchroedingerGas
· hace23h
Tener moneda y no usarla es como estar loco.
Ver originalesResponder0
FlatTax
· hace23h
btc subir惹 otros挺惨
Ver originalesResponder0
NFTDreamer
· hace23h
btc es realmente alcista, cuanto más silencioso, más subir.
Ver originalesResponder0
not_your_keys
· hace23h
Los tontos no se preocupen, hay un aumento estable.
Ver originalesResponder0
DeepRabbitHole
· hace23h
La caída de la popularidad, el alcista está por llegar.
La discusión sobre BTC ha disminuido, el precio está subiendo. La tecnología FHE podría convertirse en el núcleo de la computación privada.
Dinámica del mercado de activos encriptados y el potencial de la tecnología de cifrado homomórfico
Hasta el 13 de octubre, la popularidad de discusión y el rendimiento de precios de los principales activos encriptados son los siguientes:
Una estadística de una plataforma de datos muestra que el volumen de discusión de Bitcoin la semana pasada fue de 12.52K, con una disminución del 0.98% en comparación con la semana anterior. Su precio de cierre del domingo fue de 63916 dólares, con un aumento del 1.62% en comparación con la semana anterior.
El volumen de discusión de Ethereum la semana pasada fue de 3.63K, un aumento del 3.45% en comparación con la semana anterior. Su precio de cierre el domingo fue de 2530 dólares, una disminución del 4% en comparación con la semana anterior.
El volumen de discusión de TON la semana pasada fue de 782 veces, lo que representa una disminución del 12.63% en comparación con la semana anterior. Su precio de cierre del domingo fue de 5.26 dólares, con una ligera caída del 0.25% en comparación con la semana anterior.
Cifrado homomórfico ( FHE ) como una tecnología de vanguardia en el campo de la encriptación, tiene un amplio horizonte de aplicaciones. Su ventaja principal radica en la capacidad de realizar cálculos directamente sobre datos encriptados sin necesidad de desencriptarlos, proporcionando un fuerte apoyo para la protección de la privacidad y el procesamiento de datos. FHE puede aplicarse en múltiples campos como finanzas, salud, computación en la nube, aprendizaje automático, sistemas de votación, Internet de las cosas y protección de la privacidad en blockchain. A pesar de esto, el camino hacia la comercialización de FHE todavía enfrenta algunos desafíos.
Potencial y escenarios de aplicación del FHE
La mayor ventaja de FHE radica en la protección de la privacidad de los datos. Por ejemplo, cuando una empresa necesita aprovechar la potencia de cálculo de otra empresa para analizar datos, pero no desea que el contenido de los datos sea conocido por la otra parte, FHE puede desempeñar un papel. El propietario de los datos puede transmitir los datos encriptados al procesador para su tratamiento, y los resultados del cálculo siguen manteniéndose en estado encriptado; el propietario de los datos puede obtener los resultados del análisis después de desencriptarlos. Este mecanismo protege la privacidad de los datos sin afectar el trabajo de cálculo necesario.
Para industrias sensibles a los datos como las finanzas y la salud, la función de protección de la privacidad del Cifrado homomórfico (FHE) es especialmente importante. Con el desarrollo de la computación en la nube y la IA, la seguridad de los datos se ha convertido en un foco de atención. El FHE puede proporcionar protección de la privacidad en el cálculo multipartito, permitiendo que las partes colaboren sin revelar información sensible. En la tecnología blockchain, el FHE mejora la transparencia y la seguridad del procesamiento de datos a través de funciones como la protección de la privacidad en la cadena y la revisión de transacciones privadas.
Comparación de FHE con otras técnicas de encriptación
En el ámbito de Web3, el Cifrado homomórfico (FHE), la prueba de conocimiento cero (ZK), el cálculo seguro multiparte (MPC) y el entorno de ejecución de confianza (TEE) son todos métodos principales de protección de la privacidad. A diferencia de ZK, FHE puede realizar múltiples operaciones en datos encriptados sin necesidad de descifrarlos primero. MPC permite a múltiples partes realizar cálculos manteniendo los datos encriptados, sin necesidad de compartir información privada. TEE proporciona un entorno de cálculo seguro, pero es relativamente limitado en términos de flexibilidad en el procesamiento de datos.
Estas tecnologías tienen sus propias ventajas, pero en el soporte de tareas de cálculo complejas, el FHE destaca especialmente. Sin embargo, el FHE aún enfrenta problemas de altos costos de cálculo y mala escalabilidad en aplicaciones prácticas, lo que limita su rendimiento en aplicaciones en tiempo real.
Limitaciones y desafíos del FHE
A pesar de que la base teórica de FHE es sólida, se han encontrado algunos desafíos prácticos en el proceso de comercialización:
Costo computacional a gran escala: El cifrado homomórfico requiere una gran cantidad de recursos computacionales, y sus costos aumentan significativamente en comparación con los cálculos no encriptados. Para operaciones polinómicas de alto grado, el tiempo de procesamiento crece de manera polinómica, lo que dificulta satisfacer las demandas de cálculos en tiempo real. Aunque se puede reducir el costo mediante la aceleración por hardware especializado, esto también aumenta la complejidad de la implementación.
Capacidad de operación limitada: aunque el cifrado homomórfico (FHE) puede realizar adiciones y multiplicaciones de datos encriptados, el soporte para operaciones no lineales complejas es limitado, lo que representa un cuello de botella para aplicaciones de IA que involucran redes neuronales profundas. Actualmente, los esquemas de FHE son principalmente aplicables a cálculos lineales y polinómicos simples, y la aplicación de modelos no lineales está significativamente restringida.
Complejidad del soporte para múltiples usuarios: FHE funciona bien en escenarios de un solo usuario, pero la complejidad del sistema aumenta drásticamente cuando se trata de conjuntos de datos de múltiples usuarios. Aunque hay investigaciones que han propuesto marcos de FHE de múltiples claves, que permiten operar sobre conjuntos de datos encriptados con diferentes claves, la gestión de claves y la complejidad de la arquitectura del sistema aumentan considerablemente.
La combinación de FHE y AI
En la actual era impulsada por datos, la IA se aplica ampliamente en múltiples campos, pero las preocupaciones sobre la privacidad de los datos a menudo hacen que los usuarios no deseen compartir información sensible. El Cifrado homomórfico ofrece soluciones de protección de la privacidad en el campo de la IA. En el contexto de la computación en la nube, el Cifrado homomórfico permite que los datos del usuario sean procesados mientras se mantienen en estado encriptado, asegurando la privacidad de los datos.
Esta ventaja es especialmente importante bajo regulaciones como el GDPR, ya que estas regulaciones exigen que los usuarios tengan derecho a ser informados sobre cómo se procesan sus datos y aseguran que los datos estén protegidos durante la transmisión. La encriptación de extremo a extremo de FHE proporciona garantías de cumplimiento y seguridad de los datos.
Aplicaciones de FHE en blockchain
FHE se utiliza principalmente en blockchain para proteger la privacidad de los datos, incluyendo la privacidad en cadena, la privacidad de los datos de entrenamiento de IA, la privacidad de las votaciones en cadena y la revisión de transacciones privadas en cadena. Actualmente, varios proyectos están utilizando la tecnología FHE para impulsar la implementación de la protección de la privacidad:
La solución FHE construida por una empresa se utiliza ampliamente en varios proyectos de protección de la privacidad. Esta empresa se centra en la encriptación de operaciones booleanas y operaciones de enteros de bajo tamaño basadas en la tecnología TFHE, y ha desarrollado una pila de desarrollo FHE para aplicaciones de blockchain y AI.
Otra empresa ha desarrollado un nuevo lenguaje de contratos inteligentes y una biblioteca de Cifrado homomórfico, aptos para redes de blockchain.
Además, hay proyectos que utilizan Cifrado homomórfico para lograr la protección de la privacidad en redes de cálculo de IA, apoyando múltiples modelos de IA.
Una red que combina FHE con IA, proporcionando un entorno de IA descentralizado y con protección de la privacidad.
Como solución de Layer 2 para Ethereum, cierto proyecto soporta Rollups FHE y Coprocesadores FHE, es compatible con EVM y admite contratos inteligentes escritos en Solidity.
Conclusión
FHE como una tecnología avanzada que puede realizar cálculos sobre datos encriptados, tiene ventajas significativas en la protección de la privacidad de los datos. Aunque actualmente la aplicación comercial de FHE aún enfrenta desafíos como altos costos computacionales y escasa escalabilidad, se espera que estos problemas se resuelvan gradualmente mediante la aceleración de hardware y la optimización de algoritmos. Con el desarrollo de la tecnología blockchain, FHE desempeñará un papel cada vez más importante en la protección de la privacidad y el cálculo seguro. En el futuro, FHE tiene el potencial de convertirse en la tecnología central que respalde el cálculo de protección de la privacidad, trayendo avances revolucionarios a la seguridad de los datos.