브이갓 버네이컬이 극찬한 FHE 완전 동형 암호화, 그 응용 가능성을 열어젖히다

소개

완전 동형 암호화(FHE) 소개: 흥미로운 응용 분야, 한계, 인기를 불러온 최신 개발 현황을 살펴봅니다.

저(무스타파)가 처음 완전동형암호(FHE)에 대해 들었을 때, 블록체인 업계에서 인기 있는 개념에 긴 이름을 붙이는 경향이 있다는 것을 떠올리게 되었습니다. 지난 몇 년 동안 저희는 업계를 뒤흔든 여러 유행어를 접했는데, 가장 최근에는 "영지식 증명"(ZKP)이었습니다.

몇 가지 조사를 하고 FHE를 사용하여 제품을 만드는 몇몇 새로운 회사를 살펴본 결과, 저는 멋진 새 도구로 가득 찬 지평을 발견했습니다. 앞으로 몇 달, 몇 년 안에 FHE는 ZKP처럼 업계를 휩쓸 차세대 대형 기술이 될 수 있습니다. 기업들은 암호화와 클라우드 컴퓨팅의 모든 영역에서 최신 기술을 활용하여 데이터 프라이버시가 보호되는 강력한 미래를 향한 길을 열어가고 있습니다. 문제는 도달 여부가 아니라 그 시기가 문제이며, 저는 FHE가 데이터 프라이버시와 소유권을 발전시키는 데 중요한 촉매제가 될 수 있다고 믿습니다.

"FHE는 암호화의 성배입니다. 시간이 지나면서 FHE는 웹2나 웹3 등 모든 컴퓨팅의 구조를 재편할 것입니다."

동형성이란 무엇인가

동형성은 우리가 먼저 이해해야 할 용어입니다. 먼저 '동형'이라는 단어의 의미를 이해하는 것부터 시작하겠습니다. 그 뿌리를 추적해보면 동형성은 수학에서 유래되었으며, 같은 유형의 두 대수 구조 사이의 매핑으로 정의되며, 그 사이의 핵심 구성 요소를 보존합니다.

저처럼 좀 더 실용적인 정의를 선호한다면, 두 그룹이 동일한 핵심 속성을 갖기 위해 동일할 필요는 없다는 것이 수학의 기본 원리입니다. 예를 들어, 각각 다른 그룹에 해당하는 과일이 들어 있는 두 개의 상자가 있다고 가정해 보겠습니다.

• 상자 A에는 작은 과일이 들어 있습니다.

• 상자 B에는 큰 과일이 들어 있습니다.

개별 과일의 크기는 다르지만, 작은 사과와 오렌지를 상자 A에 함께 착즙하면 큰 사과와 오렌지를 상자 B에 함께 착즙하는 것과 동일한 블렌딩 주스 맛이 나옵니다. 동일한 맛을 내기 위해 주스를 만드는 것은 두 상자 사이에 핵심 성분을 유지하는 것과 유사합니다. 동일한 풍미가 주된 관심사라고 가정하면 주스의 양이 중요한 것이 아니므로 어느 상자에서 주스를 만드는지는 중요하지 않습니다. 중요한 것(맛

채널) 측면에서 두 그룹은 동등하므로 두 그룹 간의 차이(크기와 양)는 특정 주스 맛을 생성하는 주요 기능으로 정의하는 것에 영향을 미치지 않습니다.

동형 유추를 통해 두 가지 주요 특징을 파악할 수 있습니다.

매핑: 두 그룹은 크기와 개수 면에서 동일하며, 상자 A의 각 작은 과일은 상자 B의 큰 과일에 해당하는 과일 간의 연결 고리를 설정합니다. 따라서

상자 A의 작은 사과는 상자 B의 큰 사과에 대응하는 식으로 매핑합니다.

작동 보류: 상자 A의 작은 과일 두 개를 착즙하여 특정 향을 낸다면, 상자 B의 큰 과일도 동일한 ‍향이 나야 합니다. 주스의 크기와 양이 다르더라도 '풍미 프로파일'은 유지됩니다.

‍

완전 동형 암호화란 무엇인가요

이 글의 중심 주제와 다시 연결하면, 완전 동형 암호화(FHE)는 데이터를 암호화하는 특정 방법으로, 다음을 수행할 수 있게 해줍니다. 원본 데이터를 노출하지 않고 암호화된 데이터에서 계산을 수행할 수 있습니다. 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 일대일 링크를 설정합니다. 이 경우 핵심 구성 요소는 두 데이터 세트의 데이터에 대해 어떤 연산을 수행해도 동일한 결과를 생성할 수 있는 기능으로 보존됩니다.

이와 관련하여 많은 기업들이 사용자 데이터를 보호하고 차등 개인정보 보호를 유지하기 위해 예방 조치를 취하고 있습니다. 기업들은 암호화되지 않은 원시 데이터를 클라우드나 데이터베이스에 저장하는 경우가 거의 없습니다. 따라서 공격자가 기업의 서버를 장악하더라도 데이터를 읽고 액세스하려면 암호화를 우회해야 합니다. 하지만 데이터가 단순히 암호화만 되어 있고 사용되지 않는다면 데이터는 흥미롭지 않습니다. 기업이 데이터를 분석하여 가치 있는 인사이트를 얻고자 할 때는 데이터를 복호화할 수밖에 없습니다. 데이터가 복호화되면 데이터는 취약해집니다. 하지만 엔드투엔드 암호화를 사용하면 더 이상 데이터를 분석하기 위해 암호를 해독할 필요가 없기 때문에 FHE는 매우 유용해지며, 이는 빙산의 일각에 불과합니다

가능성입니다.

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

유튜브가 내 시청 및 검색 기록과 같은 데이터를 저장하지 않으면 알고리즘이 내가 관심 있는 동영상을 보여줄 수 있는 잠재력을 최대한 발휘할 수 없습니다. 따라서 많은 사람이 데이터 개인정보 보호와 더 나은 서비스 이용 사이의 절충점을 가치 있는 것으로 여깁니다. 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, 내 시청 및 검색 기록과 같은 정보를 동형 암호화하고, 이를 보지 않고 분석하여 그 분석 결과를 바탕으로 내가 관심 있는 동영상을 보여줄 수 있습니다.

FHE는 데이터가 더 이상 조직에 무상으로 제공하는 귀중한 상품이 아닌 미래를 향한 중요한 단계입니다.

전체 동형 암호화의 적용 사례

완전 동형 암호화(FHE)는 올바르게 적용된다면 사용자 데이터를 저장하는 모든 산업에 획기적인 전환점이 될 수 있습니다. 데이터 프라이버시에 대한 전반적인 태도와 허용 가능한 기업 침입의 한계를 바꿀 수 있는 기술을 살펴보고 있습니다.

FHE가 의료 업계의 데이터 관행을 어떻게 변화시킬 수 있는지 살펴보는 것부터 시작해 보겠습니다. 많은 병원에서 환자의 개인 기록을 데이터베이스에 보관하고 있으며,

윤리적 및 법적 이유로 기밀로 유지해야 합니다. 그러나 이 정보는 외부 의료 연구자들에게는 매우 중요한 정보이며, 이들은 데이터를 분석하여 질병과 잠재적 치료법에 대한 중요한 인사이트를 도출할 수 있습니다. 연구 진행을 늦추는 주요 장애물은 연구자에게 아웃소싱할 때 환자 데이터를 완전히 기밀로 유지해야 한다는 점입니다

. 환자 기록을 익명화하거나 의사 익명화하는 방법은 여러 가지가 있지만, 완벽한 방법은 없으며, 개인에 대한 정보가 너무 많이 노출되어 신원을 파악할 수 있거나 사례에 대한 정보가 충분하지 않아 질병에 대한 정확한 통찰력을 얻기 어려울 수 있습니다.

FHE를 사용하면 병원은 환자 데이터를 동형 암호화하여 클라우드에서 환자 개인정보를 더 쉽게 보호할 수 있습니다. 의료 연구자들은 환자의 개인정보를 침해하지 않고 암호화된 데이터에서 계산을 수행하고 분석 기능을 실행할 수 있습니다. 암호화된 데이터와 원시 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.

완전 동형 암호화(

또 다른 흥미로운 적용 사례는 인공지능(AI) 학습에 완전동형암호(

FHE)를 적용하는 것입니다. 현재 AI 분야는 기업의

‍‍

개인정보 보호 문제에 직면해 있습니다. 역량. AI를 교육하는 기업은 제한된 공개

공용 데이터셋을 사용할지, 많은 비용을 지불하고 비공개 데이터셋을 사용할지, 아니면 데이터셋을 직접 만들지 결정해야 합니다

‍. 후자를 선택해야 하는데, 특히 사용자가 적은 소규모 기업에게는 후자가 더 어렵습니다.FHE는 많은 데이터 세트 제공업체가 이 시장에 진입하지 못하도록 하는 개인정보 보호 문제를 해결할 수 있어야 합니다. 결과적으로 FHE의 개선은 학습에 사용할 수 있는 데이터 세트의 증가로 이어질 가능성이 높습니다

I. 이렇게 되면 사용 가능한 데이터 세트의 다양성이 증가함에 따라 AI 학습이 더욱 경제적이고 정교해질 것입니다. 머신 러닝 모델 학습. 즉, 데이터 소유자는 개인정보 침해나 데이터 오용에 대한 우려 없이 암호화된 데이터를 안전하게 공유할 수 있습니다. 동시에 AI 모델 트레이너는 FHE 없이는 사용할 수 없는 더욱 다양하고 포괄적인 데이터 세트로 알고리즘을 개선할 수 있습니다. 결과적으로 완전 동형 암호화는 데이터 보안을 향상시킬 뿐만 아니라 AI 연구 및 개발의 가능성을 넓혀 AI 기술의 적용을 더욱 광범위하고 효율적으로 만듭니다.

과거 전체 동형 암호화 적용 사례 결함

완전 동형 암호화(FHE)가 현대의 빅데이터를 혁신할 수 있는 것은 사실이지만, 왜 더 많은 실제 적용 사례가 나오지 않았을까요?

FHE는 수년 동안 논의와 연구의 주제였지만, 실제로 FHE를 구현하는 것은 매우 어려운 것이 현실입니다. 핵심 과제는 FHE를 수행하는 데 필요한 계산 능력에 있습니다

. 완전히 동형화된 보안 데이터 세트는 원본 데이터 형태와 동일한 분석 결과를 생성할 수 있습니다. 이는 엄청난 계산 속도와 성능을 필요로 하는 까다로운 작업으로, 기존 컴퓨터에서는 구현하기에는 비현실적입니다. 일반적으로 원시 데이터에서는 몇 초면 가능한 작업이 동형 암호화된 데이터 세트에서는 몇 시간 또는 며칠이 걸릴 수 있습니다. 이러한 계산상의 어려움으로 인해 자체적으로 반복되는 사이클이 발생하며, 많은 엔지니어들이 FHE 프로젝트 수행을 미루면서 개발이 지연되고 그 이점을 완전히 실현하는 데 제한을 받고 있습니다.

엔지니어가 FHE에서 직면하는 구체적인 계산 문제 중 하나는 '노이즈 오류'를 처리하는 것입니다. 동형 암호화된 데이터 세트에서 계산을 수행할 때 많은 엔지니어는 각 계산에서 추가적인 노이즈나 오류가 발생하는 상황에 직면하게 됩니다. 몇 번의 계산만 필요할 때는 견딜 수 있지만, 여러 번 분석하면 노이즈가 너무 두드러져 원본 데이터를 알아볼 수 없게 될 수 있습니다. 데이터가 거의 손실됩니다.

왜 지금인가? strong>

주류가 되기 전까지 제한적이고 원시적인 것으로 여겨졌던 생성 AI와 마찬가지로 완전동형암호(FHE)도 비슷한 발전 궤적을 밟고 있습니다. 블록체인 분야를 넘어 많은 업계 리더들이 FHE에 대한 중요한 연구와 개발을 조직하기 위해 힘을 모았습니다. 이로 인해 최근 몇 가지 업계 발전이 이루어졌으며, 이는 이 기술의 발전에 대한 설득력 있는 이야기로 이어졌습니다.

DPRIVE 프로젝트

2021년 3월, Microsoft, Intel, 미국 방위고등연구계획국(DARPA)은 완전 동형 암호화(FHE) 개발을 가속화하기 위한 다년간의 프로그램을 시작하기로 합의했습니다. 가상 환경에서의 데이터 보호(DPRIVE)라고 불리는 이 프로그램은 FHE의 중요한 진전을 의미합니다. 클라우드 컴퓨팅과 컴퓨터 하드웨어를 전문으로 하는 두 거대 기업이 데이터 프라이버시 문제를 해결하기 위해 힘을 합친 것입니다. 이들은 FHE 계산 속도를 관리할 수 있는 컴퓨터와 소프트웨어를 구축하고, 오용으로 인한 데이터 유출을 방지하기 위해 FHE의 정확한 구현을 위한 가이드라인을 수립하기 위해 이 프로그램을 시작했습니다.

DPRIVE 프로그램의 일환으로 엔지니어들은 원본 데이터의 수준을 유지하는 수준으로 노이즈를 줄이는 방법을 모색함으로써 이전에 '노이즈 오류'라고 불렸던 것을 완화하는 작업을 수행했습니다. '. 한 가지 유망한 해결책은 큰 산술 단어 크기(LAWS) 데이터 표현을 설계하는 것입니다. 기존의 컴퓨터 프로세서(CPU)는 일반적으로 64비트 단어를 사용하지만, 엔지니어들은 1024비트 이상의 단어를 처리할 수 있는 새로운 LAWS용 하드웨어를 개발하고 있습니다. 이 접근 방식이 효과적인 이유는 긴 단어가 신호 대 잡음비에 직접적인 영향을 미친다는 연구 결과가 있기 때문입니다. 간단히 말해, 단어가 길수록 FHE의 각 추가 계산 단계에서 노이즈가 덜 발생하므로 데이터 손실 임계값에 도달할 때까지 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 FHE 속도를 10만 배 향상시킨다는 목표에 더 가까이 다가가기 위해 DPRIVE 팀은 기존 처리 및 플로팅 장치의 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(MIMD) 시스템을 개발했는데, 이는 FHE의 빠른 실시간 연산에 필요한 트래픽을 수용하기에 적합하지 않은 기존 도로를 사용하는 대신 새로운 고속도로를 건설하는 것에 비유할 수 있습니다.

DPRIVE 프로그램의 흥미로운 측면 중 하나는 컴퓨터 수학적 계산에 '병렬 처리'를 광범위하게 사용한다는 점입니다. 이를 통해 개발자는 동시에 여러 개의 큰 숫자 계산을 수행할 수 있습니다. 병렬 처리란 수학자 그룹을 동시에 배치하여 거대한 수학 문제의 각기 다른 부분을 차례로 처리하는 것이 아니라 동시에 각자의 작업을 수행하도록 하는 것이라고 생각할 수 있습니다. 동시에 여러 계산을 수행하면 문제를 빠르게 해결하는 데 도움이 되지만, 과열을 방지하기 위해 컴퓨터는 공랭식이어야 합니다.

프로그램을 시작한 지 1년 반이 지난 2022년 9월, 마이크로소프트, 인텔, DARPA는 DPRIVE 프로그램의 1단계를 성공적으로 완료했다고 발표했습니다. 이들은 현재 DPRIVE의 2단계 작업을 진행 중입니다.

< span lang="ZH-CN">SDK 및 오픈 소스 라이브러리

많은 대기업이 먼저 완전동형암호화(FHE) 분야를 탐색하면서 사용 가능한 소프트웨어 개발 키트(SDK)와 오픈 소스 라이브러리의 수가 증가하고 있습니다. 와 오픈 소스 라이브러리가 확산되어 개발자들이 서로의 작업을 기반으로 구축할 수 있게 되었습니다.

Microsoft는 개발자에게 데이터 집합에서 동형 암호화를 수행할 수 있는 도구를 제공하는 오픈 소스 라이브러리인 Microsoft Seal의 출시를 발표했습니다. 이를 통해 더 많은 개발자가 FHE를 탐색하여 엔드투엔드 암호화 및 계산 서비스에 대한 액세스를 대중화할 수 있습니다. 이 라이브러리는 개발자가 적절하고 안전하게 사용할 수 있도록 자세한 주석과 함께 동형 암호화 절차의 예시를 제공합니다.

인텔은 또한 개발자가 클라우드에서 동형 암호화를 더 빠르게 구현할 수 있는 도구를 제공하기 위해 자체 동형 암호화 툴킷을 도입했습니다. 인텔은 이 툴킷을 유연성을 유지하고 데이터 처리 및 컴퓨팅의 최신 발전과 호환성을 보장하도록 설계했습니다. 여기에는 그리드 암호화에 맞게 조정된 기능, Microsoft Seal과의 원활한 운영 통합, 동형 암호화 체계 샘플, 사용자를 안내하는 기술 문서가 포함되어 있습니다.

Google의 비공개 조인 및 계산 오픈 소스 라이브러리는 개발자에게 다자간 계산(MPC) 도구를 제공합니다. 이 계산 방식을 통해 당사자들은 서로 다른 데이터 세트를 결합하여 원본 데이터를 서로에게 노출하지 않고도 공유 인사이트를 얻을 수 있으며, 비공개 조인 및 계산은 FHE의 암호화를 비공개 집합 교차(PSI)와 결합하여 데이터 기밀성 관행을 최적화합니다. 서로 다른 데이터 세트를 가진 당사자가 데이터를 공개하지 않고 공유 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 MPC에 우선순위를 두고 있습니다.

FHE를 위한 평판이 좋은 오픈 소스 라이브러리의 가용성이 증가하고 있다는 점에 주목할 필요가 있습니다. 그러나 이러한 라이브러리를 운영에서 실험하는 평판이 좋은 기업을 관찰하면 더욱 설득력이 있습니다.2021 년 4월, 증권 거래소와 자본 시장으로 유명한 글로벌 기술 기업인 NASDAQ은 FHE를 운영에 통합했습니다. 나스닥은 자금 세탁 방지 노력과 사기 탐지를 통해 금융 범죄에 대처하기 위해 인텔의 FHE 도구와 고속 프로세서를 활용하고 있습니다. 이는 동형 암호화를 사용하여 민감한 정보가 포함된 데이터 세트에서 귀중한 인사이트와 잠재적인 불법 활동을 식별함으로써 달성됩니다.

최근 자본 조달

이전에 언급한 회사들이 수행한 연구 개발 외에도 최근 몇몇 다른 회사들이 완전 동형 암호화(FHE)에 초점을 맞춘 이니셔티브를 위해 상당한 자금을 지원받았습니다.

Cornami는 동형 암호화를 위해 특별히 설계된 확장 가능한 클라우드 컴퓨팅 기술 개발로 유명한 대형 기술 회사입니다. 기존 CPU보다 더 효율적으로 FHE를 지원하는 컴퓨팅 시스템을 만들기 위해 많은 노력을 기울이고 있습니다. 또한 양자 컴퓨팅의 위협으로부터 암호화된 데이터를 보호하기 위한 이니셔티브도 주도하고 있으며, 2022년 5월에는 소프트뱅크의 주도로 6,800만 달러를 확보하여 총 자본금이 1억 5천만 달러에 이르는 시리즈 C 펀딩 라운드를 성공적으로 완료했다고 발표했습니다.

Zama는 블록체인 업계에서 개발자가 FHE, 블록체인 및 AI를 사용하여 흥미로운 앱을 구축하는 데 사용할 수 있는 오픈 소스 동형 암호화 도구를 구축하는 또 다른 회사입니다. 제품 제공의 일부로 완전 동형 이더넷 가상 머신(fhEVM)을 구축했습니다. 이 스마트 컨트랙트 프로토콜은 처리 중에 온체인 트랜잭션 데이터를 암호화하여 유지합니다. 자마 라이브러리의 다양한 애플리케이션을 연구하는 개발자들은 복잡한 사용 사례에서도 자마의 성능에 깊은 인상을 받았습니다.2022년 2월 프로토콜 랩스가 주도한 4,200만 달러 규모의 시리즈 A 라운드를 성공적으로 마무리하며 총 자본금을 5,000만 달러로 늘린 자마.

Fhenix 또한 FHE를 블록체인에 도입하는 떠오르는 프로젝트입니다. 이들의 목표는 개인 정보 보호 결제를 넘어 탈중앙화 금융(DeFi), 브릿징, 거버넌스 투표, 웹 3.0 게임과 같은 분야에서 FHE의 흥미로운 사용 사례의 문을 여는 것입니다.2023년 9월, Fhenix는 멀티코인이 주도하는 7억 달러 규모의 시드 라운드가 마감되었다고 발표했습니다. 7억 달러 규모의 시드 라운드를 마감했다고 발표했습니다.

다음 단계

수년 동안 완전 동형 암호화(FHE)는 강력한 엔드투엔드 암호화를 약속하는 아이디어로 데이터 프라이버시의 탄탄한 미래를 예고해 왔습니다. 최근의 발전은 FHE를 이론적인 꿈에서 실제 적용으로 전환하기 시작했습니다. 여러 기업이 강력하고 완전한 기능을 갖춘 FHE 버전을 최초로 구현하기 위해 경쟁하고 있는 가운데, 많은 기업이 이 강력한 기술의 복잡성을 공동으로 해결하기 위해 협력하고 있습니다. 이러한 협업 정신은 다양한 팀 간 프로젝트의 구현과 다른 라이브러리와 통합되는 오픈 소스 라이브러리 개발을 통해 분명하게 드러납니다.

제 조사 결과에 따르면 FHE에 대한 논의는 광범위하게 이루어지고 있는 것으로 보입니다. 앞으로 몇 주 동안 FHE 연구에 대해 더 깊이 파고들어 더 많은 인사이트를 공유할 수 있게 되어 기대가 큽니다. 특히 다음 주제에 대해 더 자세히 살펴보고 싶습니다.

FHE의 새로운 응용 분야:

• Zero Knowledge (ZKP)와 FHE 간의 상호 작용을 증명합니다.

• 개인 설정 교차점(PSI)과 FHE를 통합하여 보안 다자간 컴퓨팅(MPC)을 향상시킵니다.

• Zama, Fhenix와 같은 새로운 기업이 FHE를 선도하고 있습니다.

참고:

• Arampatzis. 아나스타시오스. "동형 암호화의 최신 개발." Venafi, 1 Feb. 1, 2022, venafi.com/blog/what-are-latest-. developments-homomorphic-encryption-ask-experts/.

• 아람파치스, 아나스타시오스. "동형 암호화란 무엇이고 어떻게 사용되는가. " Venafi, 28 Apr. 28, 2023, venafi.com/blog/homomorphic-encryption-what-it-and-how-used-/.

• "지속적인 데이터 보호를 가능하게 하는 하드웨어 구축." DARPA, 2 Mar. 2020, www.darpa.mil/news-events/2020-03-02.

• 크리스토발, 사무엘. "Fully 동형 암호화: 암호화의 성배." datascience.aero, 7 Jan. 2021, datascience.aero/fully-homomorphic-. encryption-the-holy-grail-of-cryptography/.

• "동형 암호화란 무엇이며 왜 중요한가?" 인터넷 소사이어티, 9 Mar. 2023,www.internetsociety.org/resources/doc/2023/homomorphic-encryption/.

• 헌트, 제임스. "FHENIX, 멀티코인 캐피탈이 주도하는 시드 라운드에서 700만 달러 모금. " 더 블록, 더 블록, 2023년 9월 26일,www.theblock.co/post/252931/fhenix-seed-multicoin-capital.

• "인텔® 동형 암호화 툴킷." 인텔, 2023년 10월 8일 액세스,www.intel.com/content/www/ us/ko/developer/tools/homomorphic-encryption/overview.html#gs.fu55im.

• " 인텔, DARPA 프로그램에서 마이크로소프트와 협력." 인텔, 2021년 3월 8일,www.intel.com/content/www/us/en/newsroom/news/intel- collaborate-microsoft-darpa-program.html#gs.ftusxq.

• "인텔 제온 발전. NASDAQ의 동형 암호화 R&D." 인텔, 2021 년 4 월 6 일,www.intel.com/content/www/us/en/newsroom/news/xeon- advances-nasdaqs-homomorphic-encryption-rd.html#gs.6mpgme.

• Johnson, Rick. "인텔, 완전 동형 암호화 플랫폼을 위한 DARPA DPRIVE 1단계 마일스톤 완료." 인텔, 2022년 9월 14일,. community.intel.com/t5/Blogs/Products-and-Solutions/HPC/Intel-Completes-DARPA-DPRIVE-Phase-One-Milestone-for-a-Fully/post/1411021.

• "Microsoft Seal: 빠르고 사용하기 쉬운 동형 암호화 라이브러리. " Microsoft Research, 4 Jan. 4, 2023,www.microsoft.com/en-us/research/project/microsoft-seal/.

• Paillier, Pascal 박사. "완전 동형 암호화: 암호학의 성배. 암호화." Business Age, 9 Mar. 2023,www.businessage.com/post/fully-homomorphic-encryption-the-holy-grail-of- cryptography.

• 사마니, 카일. "온체인 FHE의 여명." 멀티코인. Capital, 26 Sept. 26, multicoin.capital/2023/09/26/the-dawn-of-on-chain-fhe/.

• 워커, 아만다 외. "조직이 더 많은 데이터를 수집하지 않고도 더 많은 일을 할 수 있도록 지원. ." Google 온라인 보안 블로그, 2019년 6월 19일, security.googleblog.com/2019/06/helping-organisations-do-more-without-collecting. -more-data.html.

• "완전 동형 암호화란 무엇인가요?" Inpher,. 11 Apr. 2021, inpher.io/technology/what-is-완전동형암호화/.

• White, Matt. "생성 AI의 간략한 역사." Medium, July 8, 2023,. matthewdwhite.medium.com/a-brief-history-of-generative-ai-cb1837e67106#:~:text=Although%20most%20people%20will%20admit,of% 20Stability%20AI's 20안정성%20AI의%20안정적인%20확산.