최근 블록체인의 완전 동형 암호화에 대한 설명

완전 동형 암호화(FHE) 소개: 흥미로운 응용 분야와 한계, 그리고 최근 인기를 불러일으킨 개발 현황을 살펴봅니다.

이번 글에서는 완전 동형 암호화(FHE)에 대해 소개합니다. 완전 동형 암호화(FHE)에 대해 처음 들었을 때, 트렌디한 개념에 긴 이름을 붙이는 블록체인 업계의 경향에 흥미를 느꼈습니다. 지난 몇 년 동안 업계를 휩쓴 여러 유행어를 접했는데, 가장 최근에는 '영지식 증명(ZKP)'이 있었습니다.

FHE를 사용하여 제품을 구축하는 새로운 회사들을 조금 더 살펴본 결과, 완전히 새로운 도구 세트로 가득 찬 잠재력을 발견했습니다. 앞으로 몇 달, 몇 년 안에 FHE는 ZKP처럼 업계를 휩쓸 차세대 대형 기술이 될 수 있습니다. 이 회사는 암호화와 클라우드 컴퓨팅의 모든 영역에서 최신 기술을 활용하여 데이터 프라이버시가 보호되는 강력한 미래로 나아가는 길을 열어가고 있습니다. 문제는 도달 여부가 아니라 그 시기가 문제이며, 저는 FHE가 데이터 프라이버시 및 소유권의 발전을 위한 핵심 원동력이 될 수 있다고 믿습니다.

앞으로 몇 주에 걸쳐 FHE에 대해 자세히 알아보고 그 한계와 잠재력, 적용 사례를 살펴볼 예정입니다. FHE를 둘러싼 대화의 다양한 측면을 탐구하는 일련의 포스팅을 통해 그 결과를 공유할 예정입니다. 이번 주에는 이 기술을 소개하고 왜 이 기술이 최근 많은 관심을 받고 있는지에 대해 논의해 보겠습니다. 멀티코인 캐피털의 카일 사마니^[4]를 비롯한 많은 업계 관계자들이 이에 대해 이야기하고 있습니다."FHE는 암호학의 성배입니다."

"FHE는 암호학의 성배입니다. 시간이 지남에 따라 FHE는 웹2와 웹3 모두에서 모든 컴퓨팅의 구조를 재편할 것입니다."

동형성이란 무엇인가요?

문제 해결의 핵심은 '동형성'의 의미를 이해하는 것입니다. 그 기원을 거슬러 올라가면, 동형성은 수학에서 유래했으며, 같은 유형의 두 대수 구조 간에 핵심 구성 요소를 보존하는 매핑으로 ^[5] 정의됩니다.

저처럼 좀 더 실용적인 정의를 선호한다면, 수학의 기본 원리 중 하나는 두 그룹이 동일한 핵심 속성을 갖기 위해 동일할 필요는 없다는 것입니다. 예를 들어 두 개의 과일 상자가 있다고 가정해 보겠습니다.

상자 A에는 작은 과일이 들어 있습니다.
B 상자에는 큰 과일이 들어 있습니다.

개별 과일의 크기는 다르지만, 상자 A에서 작은 사과와 작은 오렌지를 짜면 상자 B에서 큰 사과와 큰 오렌지를 짜는 것과 같은 맛의 주스가 만들어집니다. 동일한 맛을 내기 위해 주스를 짜는 것은 두 상자 사이에 핵심 성분을 유지하는 것과 비슷합니다. 우리의 주된 관심사가 동일한 맛이라고 가정하면 주스 양의 크기는 중요하지 않으므로 어느 상자에서 주스를 짜는지는 중요하지 않습니다. 주 관심사가 맛인 경우 두 상자는 동일하므로 두 상자 간의 차이(크기와 양)는 주 기능(특정 주스 맛 생성)에 영향을 미치지 않습니다.

동형성과 유사하게 두 가지 주요 특징을 포착합니다.

1. 매핑: 두 상자 사이에 연결 고리를 설정합니다. 다음은 두 상자 사이의 매핑의 예입니다. 따라서 상자 A의 작은 과일은 상자 B의 더 큰 과일에 해당합니다. 따라서 상자 A의 작은 사과는 상자 B의 큰 사과에 해당합니다.

2. 작업 보존: 상자 A에서 작은 과일 두 개를 짜서 특정 맛의 주스를 만들면, 상자 B에서 그에 해당하는 큰 과일을 짜서 같은 맛을 내야 합니다. 주스의 크기와 양이 다르더라도 "풍미 프로파일"은 보존됩니다.

완전 동형 암호화란 무엇인가요?

이 모든 것을 이 글의 중심 주제로 다시 연결하면, 완전 동형 암호화 ^[6](FHE)는 데이터를 암호화하는 특정 방법으로, 원본 데이터를 공개하지 않고 암호화된 데이터에서 계산을 수행할 수 있도록 하는 것입니다. 이론적으로 암호화된 데이터에서 수행되는 분석 및 계산은 원본 데이터에서 수행되는 것과 동일한 결과를 산출해야 합니다. FHE를 사용하면 암호화된 데이터 세트의 데이터와 원본 데이터 세트의 데이터 간에 1:1 관계를 설정합니다. 이 경우 핵심 구성 요소는 두 데이터 세트에서 어떤 연산을 수행해도 동일한 결과를 생성할 수 있는 기능으로 보존됩니다.

이러한 맥락에서 많은 기업들은 사용자 데이터를 보호하고 차별적인 개인정보 보호를 유지하기 위해 예방 조치를 취하고 있습니다. 기업들은 데이터를 암호화되지 않은 원시 형태로 클라우드나 데이터베이스에 저장하는 경우가 거의 없습니다. 따라서 공격자가 기업의 서버를 장악하더라도 데이터를 읽고 액세스하려면 암호화를 우회해야 합니다. 하지만 데이터가 단순히 암호화되어 유휴 상태로 방치되어 있으면 데이터는 더 이상 흥미롭지 않습니다. 기업이 데이터를 분석하여 가치 있는 인사이트를 도출하려면 데이터를 복호화할 수밖에 없습니다. 암호가 해독되면 데이터는 취약해집니다. 하지만 엔드투엔드 암호화를 사용하면 더 이상 데이터를 분석하기 위해 암호를 해독할 필요가 없기 때문에 FHE가 매우 유용해지며, 이는 빙산의 일각에 불과합니다.

핵심적인 고려 사항은 기업이 개인 정보를 읽고 저장할 수 있도록 허용해야 하는지 여부입니다. 이에 대한 많은 사람들의 일반적인 반응은 기업이 우리에게 더 나은 서비스를 제공하기 위해 우리의 데이터를 볼 필요가 있다는 것입니다.

유튜브가 내 시청 및 검색 기록과 같은 데이터를 저장하지 않으면 알고리즘을 최대한 활용하여 내가 관심 있는 동영상을 보여줄 수 없습니다. 따라서 많은 사람이 데이터 개인정보 보호와 더 나은 서비스 이용 사이의 균형을 맞출 가치가 있다고 생각합니다. 하지만 FHE를 사용하면 더 이상 이러한 절충을 할 필요가 없습니다. YouTube와 같은 기업은 암호화된 데이터로 알고리즘을 학습시켜 데이터 프라이버시를 침해하지 않으면서도 최종 사용자에게 동일한 결과를 제공할 수 있습니다. 구체적으로, 시청 및 검색 기록과 같은 정보를 동형 암호화하여 사용자가 보지 않고도 분석하고 그 분석에 따라 관심 있는 동영상을 보여줄 수 있습니다.

FHE는 데이터가 더 이상 조직에 무료로 제공하는 귀중한 상품이 아닌 미래를 향한 중요한 발걸음입니다.

전체 동형 암호화 적용

전체 동형 암호화(FHE)를 올바르게 적용하는 것은 사용자 데이터를 저장하는 모든 분야에 획기적인 발전을 가져올 수 있습니다. 데이터 프라이버시에 대한 전반적인 태도와 기업이 허용하는 침입의 한계를 바꿀 수 있는 기술을 살펴보고 있습니다.

FHE가 의료 업계에서 데이터 관행을 어떻게 바꾸고 있는지 살펴보는 것부터 시작하겠습니다^[7]. 많은 병원에서 데이터베이스에 저장된 환자의 개인 기록을 보관하고 있으며, 이는 윤리적 및 법적 이유로 기밀로 유지해야 합니다. 그러나 이 정보는 데이터를 분석하여 질병과 잠재적 치료법에 대한 중요한 통찰력을 추정할 수 있는 외부 의료 연구자에게는 매우 중요합니다. 연구 진행 속도를 늦추는 가장 큰 장애물은 연구자에게 데이터를 아웃소싱할 때 환자 데이터의 절대적인 기밀성을 유지하는 것입니다. 환자 기록을 익명화하거나 의사 익명화하는 방법은 여러 가지가 있습니다. 그러나 이러한 방법은 완벽하지 않으며, 개인을 식별할 수 있을 정도로 너무 많은 정보를 노출하거나 질병에 대한 정보를 충분히 드러내지 않아 질병에 대한 정확한 인사이트를 얻기가 어려울 수 있습니다. 병원은 완전 동형 암호화(FHE)를 사용하여 환자 데이터를 암호화함으로써 클라우드에서 환자의 개인정보를 더 쉽게 보호할 수 있습니다. 의료 연구자들은 환자의 개인 정보를 침해하지 않고 암호화된 데이터에서 계산을 수행하고 분석 기능을 실행할 수 있습니다. 암호화된 데이터 세트와 원본 데이터 간에 일대일 매핑이 이루어지기 때문에 암호화된 데이터 세트에서 얻은 결과는 실제 사례에 적용할 수 있는 실제 인사이트를 제공하며, FHE는 의료 산업을 빠르게 발전시킬 수 있습니다.

FHE의 또 다른 흥미로운 응용 분야는 인공 지능(AI) 교육입니다. 현재 AI 분야는 개인정보 보호 문제로 인해 기업들이 AI 알고리즘을 개선하는 데 사용되는 방대한 데이터 세트에 접근할 수 없는 상황에 직면해 있습니다. AI를 훈련하는 기업은 제한된 수의 공개 데이터세트를 사용하거나, 많은 비용을 지불하고 비공개 데이터세트를 사용하거나, 사용자가 적은 소규모 기업에게는 어려울 수 있는 데이터세트 생성 중 하나를 선택해야 하는데, FHE는 많은 데이터세트 제공업체의 시장 진입을 막는 개인정보 보호 문제를 해결해야 합니다. 결과적으로 FHE가 개선되면 AI 학습에 사용할 수 있는 데이터 세트의 수가 늘어날 수 있습니다. 이렇게 되면 사용 가능한 데이터 세트의 다양성이 증가함에 따라 AI 학습이 더욱 경제적으로 접근 가능하고 세분화될 것입니다.

완전 동형 암호화의 과거 한계

완전 동형 암호화(FHE)가 실제로 최신 빅 데이터를 혁신할 수 있다면 왜 더 많은 실제 적용 사례를 보지 못했을까요?

FHE는 수년 동안 논의되고 연구되어 왔지만 실제로 FHE를 구현하는 것은 매우 어렵습니다. 핵심 과제는 FHE를 수행하는 데 필요한 컴퓨팅 성능에 있습니다. 완전 동형 보안 데이터 세트는 원본 데이터와 동일한 형태의 분석을 생성할 수 있습니다. 이는 상당한 계산 속도와 성능을 필요로 하는 까다로운 작업으로, 기존 컴퓨터로는 구현하기에는 비현실적입니다. 일반적으로 원시 데이터에서는 몇 초면 가능한 작업이 동형 암호화된 데이터 세트에서는 몇 시간 또는 며칠이 걸릴 수 있습니다. 이러한 계산상의 어려움으로 인해 많은 엔지니어들이 FHE 프로젝트 수행을 지연시켜 개발이 늦어지고 그 이점을 충분히 실현하지 못하는 악순환이 반복되고 있습니다.

엔지니어가 FHE에서 직면하는 계산 문제의 구체적인 예로 '노이즈 오류^[8]'를 해결하는 방법을 들 수 있습니다. 동형 암호화된 데이터 세트에서 계산을 수행할 때 많은 엔지니어가 계산을 수행할 때마다 과도한 노이즈 또는 오류가 발생합니다. 이는 몇 번의 계산만 수행해야 할 때는 견딜 수 있지만, 많은 분석을 수행하면 노이즈가 너무 심해져 원시 데이터를 이해할 수 없게 됩니다. 데이터가 거의 손실됩니다.

왜 지금일까요?

한때 제한적이고 원시적인 것으로 여겨졌던 생성형 AI ^[9]가 주류가 된 것처럼, 완전 동형 암호화(FHE)도 비슷한 방향으로 발전하고 있습니다. 블록체인 분야를 넘어 많은 업계 리더들이 함께 모여 상당한 양의 FHE 연구와 개발을 조직하고 있습니다. 이는 이 기술의 발전에 대한 설득력 있는 이야기를 이끌어내는 몇 가지 최근 업계 발전에 기여했습니다.

DPRIVE 이니셔티브

2021년 3월, Microsoft, 인텔, 방위고등연구계획국(DARPA)은 다년간의 이니셔티브 ^[10]를 시작하기로 합의했습니다. 완전 동형 암호화(FHE)의 개발을 가속화하기로 합의했습니다. 가상 환경에서의 데이터 보호(DPRIVE)라고 불리는 이 프로그램은 FHE의 중요한 진전을 의미합니다. 이 프로그램은 클라우드 컴퓨팅과 컴퓨터 하드웨어를 전문으로 하는 두 거대 기업이 데이터 프라이버시 문제를 해결하기 위해 힘을 합친 것을 보여줍니다. 이들은 프로그램을 시작하여 FHE 계산 속도를 관리할 수 있는 컴퓨터와 소프트웨어를 구축하고, 잘못된 사용으로 인한 잠재적인 데이터 유출을 방지하기 위해 FHE의 정확한 구현을 위한 지침을 개발했습니다.

DPRIVE 프로그램의 일환으로 엔지니어들은 앞서 언급한 '노이즈 버그'를 해결하기 시작했으며, 원본 데이터를 보존하기 위해 노이즈 수준을 줄이는 방법을 모색하고 있습니다. 한 가지 유망한 해결책은 큰 산술 단어 길이^[11](LAWS) 데이터 표현을 설계하는 것입니다. 기존 컴퓨터 프로세서(CPU)는 일반적으로 64비트 단어 길이를 사용하지만, 엔지니어들은 LAWS를 사용하여 1024비트 이상의 단어 길이를 처리할 수 있는 새로운 하드웨어를 개발하고 있습니다. 이 접근 방식은 긴 단어 길이가 신호 대 잡음비에 직접적인 영향을 미친다는 연구 결과가 있기 때문에 효과적입니다. 간단히 말해, 단어 길이가 길수록 FHE에서 추가 계산할 때마다 노이즈가 줄어들어 데이터 손실 임계값에 도달하기 전에 더 많은 계산을 수행할 수 있습니다. 이러한 문제를 해결하기 위해 새로운 하드웨어를 구축함으로써 DPRIVE 프로그램에 참여한 엔지니어들은 FHE를 수행하는 데 필요한 계산 부하를 크게 줄였습니다.

계산을 가속화하고 FHE를 10만 배 빠르게 만든다는 목표에 더 가까이 다가가기 위해 DPRIVE 팀은 기존 처리 및 그래픽 유닛의 성능을 뛰어넘는 새로운 데이터 처리 시스템을 설계하기 위한 지속적인 여정에 착수했습니다. 이들은 여러 명령어와 데이터 세트를 동시에 관리할 수 있는 새로운 다중 명령어 다중 데이터^[12](MIMD) 시스템을 개발했는데, 이는 FHE의 빠른 실시간 연산에 필요한 트래픽 양을 수용하기 위해 기존의 시설이 부족한 도로를 사용하는 대신 새로운 고속도로를 건설하는 것과 유사합니다.

DPRIVE 프로그램의 흥미로운 측면은 컴퓨터 수학 계산에 '병렬 처리^[13]'를 광범위하게 사용한다는 점입니다. 이를 통해 개발자는 동시에 여러 개의 큰 숫자 계산을 수행할 수 있습니다. 병렬 처리는 수학자 그룹을 배치하여 거대한 수학 문제의 여러 부분을 동시에 작업하도록 하는 것이 아니라 차례로 작업을 수행하도록 하는 것이라고 생각할 수 있습니다. 여러 계산을 동시에 수행하면 문제를 빠르게 해결하는 데 도움이 되지만 과열을 방지하기 위해 컴퓨터는 공랭식이어야 합니다.

프로그램을 시작한 지 1년 반 만인 2022년 9월, Microsoft, 인텔, DARPA는 ^[14] DPRIVE 프로그램의 1단계를 성공적으로 완료했다고 발표했습니다. 이들은 현재 DPRIVE의 2단계 작업을 진행 중입니다. 또한 인텔은 개발자에게 클라우드에서 더 빠른 완전 동형 암호화를 촉진하는 도구를 제공하는 자체 완전 동형 암호화 툴킷을 출시했습니다. 인텔은 데이터 처리 및 컴퓨팅의 최신 발전과 호환성을 보장하기 위해 이 툴킷을 설계했습니다. 여기에는 그리드 암호화를 위해 특별히 맞춤화된 특수 기능, Microsoft Seal과 원활하게 작동하는 통합, 완전 동형 암호화 체계 샘플, 사용자를 안내하는 기술 문서가 포함되어 있습니다.

Google의 비공개 조인 및 계산^[16] 오픈 소스 라이브러리는 개발자에게 다자간 계산(MPC) 도구를 제공합니다. 이 계산 방식을 사용하면 당사자들이 원본 데이터를 서로에게 노출하지 않고도 서로 다른 데이터 세트를 병합하여 공유 인사이트를 얻을 수 있으며, 비공개 조인 및 계산은 FHE의 암호화를 비공개 집합 교차(PSI)와 결합하여 데이터 기밀성 관행을 최적화하며, PSI는 서로 다른 데이터 세트를 가진 당사자가 공통 요소 또는 데이터 포인트를 식별할 수 있는 또 다른 암호화 방법입니다. 데이터 프라이버시를 발전시키기 위한 Google의 접근 방식은 FHE에만 초점을 맞추는 것이 아니라 FHE를 다른 영향력 있는 데이터 관행과 통합하여 더 넓은 개념의 MPC를 우선시합니다.

완전 동형 암호화를 위한 높은 평가를 받는 오픈 소스 라이브러리의 가용성이 증가하고 있다는 점은 주목할 만합니다. 그러나 이러한 라이브러리를 운영에서 실험하고 있는 유명 기업들의 사례를 보면 더욱 설득력이 있습니다. 2021년 4월, 저명한 증권 거래소이자 글로벌 자본 시장 기술 기업인 나스닥은 ^[17] FHE를 자사 운영에 통합했습니다. 나스닥은 인텔의 FHE 도구와 고속 프로세서를 활용하여 자금 세탁 방지 노력과 사기 탐지를 통해 금융 범죄를 해결하고 완전 동형 암호화를 사용하여 민감한 정보가 포함된 데이터 세트에서 귀중한 인사이트와 잠재적인 불법 활동을 식별합니다.

최근 자금 조달

이전에 언급한 회사들이 수행한 연구 개발 외에도 최근 완전 동형 암호화(FHE)에 중점을 둔 이니셔티브에 상당한 재정 지원을 확보한 다른 회사들이 몇 군데 있습니다.

대형 기술 회사인 Cornami^[18]는 완전 동형 암호화를 위해 특별히 설계된 확장 가능한 클라우드 컴퓨팅 기술 개발을 개척한 것으로 인정받고 있습니다. 이들은 기존 CPU보다 더 효율적으로 FHE를 지원하는 컴퓨팅 시스템을 만들기 위해 다양한 노력을 기울이고 있습니다. 또한 양자 컴퓨팅의 위협으로부터 암호화된 데이터를 보호하기 위한 이니셔티브를 주도하고 있으며, 2022년 5월에는 소프트뱅크가 주도하는 시리즈 C 펀딩 라운드에서 6,800만 달러를 유치하여 총 1억 5천만 달러의 자금을 조달했다고 발표했습니다.

Zama^[20]는 블록체인 업계의 또 다른 회사로 개발자들이 FHE, 블록체인, AI를 사용하는 흥미로운 앱을 구축하는 데 사용할 수 있는 오픈소스 완전 동형 암호화 도구를 개발하고 있습니다. zama는 완전 동형 이더리움 가상 머신(fhE)을 개발했습니다. 플레이스 가상 머신(fhEVM)을 제품 중 하나로 제공합니다. 이 스마트 컨트랙트 프로토콜은 처리 중에 체인의 트랜잭션 데이터를 암호화된 상태로 유지할 수 있게 해줍니다. 자마의 라이브러리를 사용해 다양한 애플리케이션을 연구하는 개발자들은 복잡한 사용 사례에서도 자마의 성능에 깊은 인상을 받았습니다.2022년 2월, 프로토콜 랩이 주도한 4,200만 달러 규모의 시리즈 A 펀딩 라운드^[21]를 성공적으로 마감하며 총 5,000만 달러의 자금을 확보했습니다.

Fhenix^[22] 역시 FHE를 블록체인에 도입하는 신흥 프로젝트입니다. 이들의 목표는 FHE 애플리케이션을 기밀 결제 이상으로 확장하여 탈중앙화 금융(DeFi), 브리징, 거버넌스 투표, 웹3 게임^[23]과 같은 분야에서 FHE의 흥미로운 사용 사례의 문을 여는 것입니다.2023년 9월, Fhenix는 ^[24] 성공적으로 700만 달러 규모의 시드 라운드를 마감했다고 발표했습니다. 백만 달러 규모의 시드 라운드를 성공적으로 마감했다고 발표했습니다.

다음은 어떻게 될까요?

수년 동안 완전 동형 암호화(FHE)는 강력한 엔드투엔드 암호화를 약속하는 아이디어로 강력한 데이터 프라이버시의 미래를 예고해왔습니다. 최근의 발전으로 FHE는 이론적인 꿈에서 실질적인 현실로 바뀌기 시작했습니다. 기업들은 강력한 기능을 갖춘 FHE 버전을 최초로 개발하기 위해 경쟁하고 있으며, 많은 기업들이 이 강력한 기술의 복잡성을 해결하기 위해 협력하고 있습니다. 이러한 협업 정신은 다양한 팀 간 이니셔티브의 구현과 다른 라이브러리와 통합되는 오픈 소스 라이브러리 개발을 통해 분명하게 드러납니다.

제 조사에 따르면 FHE에 대한 논의는 광범위하게 이루어지고 있는 것 같습니다. 앞으로 몇 주 동안 더 깊이 파고들어 FHE 연구에서 얻은 더 많은 인사이트를 공유할 수 있게 되어 기대가 큽니다. 특히 다음 주제에 대해 살펴보고 싶습니다.

FHE의 새로운 애플리케이션.

영지식 증명(ZKP)과 FHE 간의 상호작용.

개인 집합 교차점(PSI)과 FHE의 통합을 통한 보안 다자간 컴퓨팅(MPC) 발전.

Zama 및 Fhenix와 같은 새로운 기업이 FHE 분야를 개척하고 있습니다.

참고 인용:

Arampatzis, Anastasios. "완전 동형 암호화의 최근 발전." Venafi, 2022년 2월 1일, venafi.com/blog/what-are-the-latest-developments-homomorphic-encryption-ask-experts/.

아람파치스, 아나스타시오스. "완전한 동형 암호화란 무엇이며 어떻게 사용하는가." Venafi, 2023년 4월 28일, venafi.com/blog/homomorphic-encryption-what-it-is-and-how-used/.

"지속적인 데이터 보호를 위한 하드웨어 구축." DARPA, 2 March 2020, www.darpa.mil/news-events/2020-03-02.^[25]

Cristobal, Samuel. "완전 동형 암호화: 암호화의 성배." 데이터사이언스 에어로, 2021 년 1 월 7 일, datascience.aero/ fully-homomorphic-encryption-the-holy-grail-of-cryptography/.

"완전 동형 암호화란 무엇이며 왜 중요한가?" 인터넷 소사이어티, 2023년 3월 9일, www.internetsociety.org/resources/doc/2023/homomorphic-encryption/. ^[26]

헌트, 제임스. "FHENIX, 멀티코인 캐피탈이 주도하는 시드 라운드를 통해 700만 달러 모금." The Block, The Block, 2023년 9월 26일, www.theblock.co/post/252931/fhenix-seed-multicoin-capital.^[27]

"인텔® 풀 동형 암호화 툴킷." 인텔, www.intel.com/content/www/us/en/developer/tools/homomorphic-encryption/overview.html#gs.fu55im.^[28] 액세스한 날짜 2023년 10월 8일.

"인텔, DARPA 프로젝트에서 마이크로소프트와 협력." 인텔, 2021 년 3 월 8 일, www.intel.com/content/www/us/en/newsroom/news/intel-collaborate-microsoft-darpa-program.html#gs.ftusxq.< sup>[29]"인텔과 나스닥의 동형 암호화 R&D가 진전을 이루다." Intel, 2021년 4월 6일, www.intel.com/content/www/us/en/newsroom/news/xeon-advances-nasdaqs-homomorphic-encryption-rd.html#gs.6 mpgme.^[30]

존슨, 릭. "인텔, 완전 동형 암호화 플랫폼을 위한 DARPA DPRIVE 1단계 마일스톤 완료." Intel, 14 September 14, 2022, community.intel.com/t5/Blogs/Products-and-Solutions/HPC/Intel-Completes-DARPA-DPRIVE-Phase-One-Milestone -for-a-Full/post/1411021.

"Microsoft Seal: 빠르고 사용하기 쉬운 동형 암호화 라이브러리." Microsoft Research, 2023년 1월 4일, www.microsoft.com/en-us/research/project/microsoft-seal/. ^[31]

Paillier, Pascal 박사. "완전 동형 암호화: 암호화의 성배." Business Age, 2023년 3월 9일, www.businessage.com/post/fully-homomorphic-encryption-the-holy-grail-of-cryptography^[32]

사마니, 카일. "체인화된 FHE의 여명.". 멀티코인 캐피털, 2023년 9월 26일, https://multicoin.capital/2023/09/26/the-dawn-of-on-chain-fhe/

"완전 동형 암호화란 무엇인가요?" Inpher, 2021년 4월 11일, https://inpher.io/technology/what-is-fully-homomorphic-encryption/