저자: 0xTodd 출처: X, @0x_Todd
최근의 시장 침체로 인해, 마침내 새로운 기술 라인의 일부가 계속해서 하위로 내려갈 시간이 조금은 생겼습니다. 2024년의 암호화폐 시장은 과거처럼 혼란스럽지는 않겠지만, 오늘 이야기할 주제인 "FHE/완전동형암호(완전동형암호)와 같이 성숙을 시도하는 새로운 기술들이 여전히 존재합니다. ".
V God에서도 올해 5월에 FHE에 대한 기사를 발표했는데, 관심 있으신 분들은 읽어보시면 좋을 것 같습니다.
FHE란 무엇일까요?
FHE 완전 동형 암호화를 이해하려면 "암호화"가 무엇인지, 그리고 "동형 암호화"가 무엇인지 이해해야 합니다. 강력한>"동형", 그리고 왜 "전체"인지 이해해야 합니다.
I.암호화란 무엇인가요?
일반 암호화가 가장 친숙한 암호화입니다. 예를 들어 앨리스가 밥에게 메시지를 보내려면 "1314 520"이라고 말합니다.
제3자가 메시지를 전달하도록 하고 메시지를 비밀로 유지하려면 "2628 1040"과 같이 각 숫자를 2배로 암호화하면 됩니다. ".
이를 받은 밥은 각 숫자를 2로 나누어 원래 앨리스가 "1314 520"이라고 말한 것을 해독합니다.
보시죠? 두 사람은 대칭 암호화를 통해 메시지를 완성하고, 그 작업을 C에게 맡겼지만 C는 그 정보를 몰라 메시지를 완성하지 못합니다. 일반적으로 스파이 영화에서 두 연락책은 그 이상은 서로 소통하지 않습니다.
둘, 동형 암호화란 무엇인가요? 암호화란 무엇인가요?
이제 앨리스의 요구 사항은 점점 더 어려워졌습니다.
예를 들어, 앨리스는 7살에 불과합니다.
. 앨리스는 x2와 ÷2와 같은 가장 간단한 연산만 할 수 있고 그 외에는 아무것도 할 수 없습니다.
이제 앨리스가 12개월 동안 매달 400달러의 전기 요금을 납부해야 한다고 가정해 보겠습니다.
그러나 400*12=얼마인지는 7살밖에 안 된 앨리스가 계산할 수 없는 복잡한 계산이고, 앨리스는 전기 요금이 얼마인지/몇 개월인지 사람들에게 알리고 싶지 않아요. 민감한 정보이기 때문입니다.
그래서 앨리스는 C를 믿지 못하고 C에게 계산을 도와달라고 요청합니다.
알리스는 x2 -2밖에 모르므로 x2 곱셈을 사용하여 간단한 암호화를 한 다음, C에게 800x24 =, 즉:(400x2) 곱하기(12x2)를 계산해 달라고 말합니다.
C는 성인이고 계산 능력이 뛰어나며 800*24=19200이라는 것을 구두로 빠르게 계산하여 앨리스에게 알려주었습니다.19200 ÷ 2 ÷ 2라는 결과를 가지고 앨리스는 곧 다음과 같은 사실을 알게 되었습니다. 수도 요금으로 4800위안을 내야 한다는 사실을 알게 되었습니다.
보시죠? 이것은 가장 간단한 곱셈 동형 암호화 중 하나로, 800*24는 400*12의 매핑에 불과하며 변경 전과 후의 형태가 실제로 동일하므로 '동형'이라는 이름이 붙었습니다.
이러한 종류의 암호화를 사용하면 누군가가 신뢰할 수 없는 엔터티에 결과를 위임하는 동시에 민감한 숫자를 비공개로 유지할 수 있습니다.
셋째, 동형 암호화가 "완전" 암호화인 이유는 무엇인가요?
그러나 이는 이상적인 세계에서의 문제일 뿐, 현실의 문제는 그렇게 간단하지 않으며 모든 사람이 7살이나 C처럼 정직한 것은 아닙니다.
이상적인 세계에서의 문제는 아니지만 현실 세계의 문제입니다.
C가 역추적을 시도하고 앨리스가 철저한 알고리즘을 사용하여 400과 12를 계산하려고 한다는 것을 C가 해독하는 매우 나쁜 시나리오를 가정해 보겠습니다.
이것은 여기서 "완전 동형 암호화"로 해결할 수 있습니다.
앨리스가 각 숫자에 2를 부여하면 이 2는 노이즈라고 생각할 수 있습니다. 노이즈가 너무 적으면 C가 쉽게 해독할 수 있습니다.
따라서 앨리스는 곱셈에 덧셈을 도입할 수 있습니다.
물론 소음이 오전 9시의 주요 도로 교차로와 같은 것이 가장 좋으므로 C를 해독하기는 더 어렵습니다.
그러므로 앨리스는 4배에 8배를 곱하여 C가 크랙될 확률을 크게 줄일 수 있습니다
그러나 이렇게 해도 앨리스는 여전히 "부분적으로만" 동형화됩니다. "동형" 암호화, 즉:
(1) 그녀는 문제의 특정 부분만 암호화할 수 있고,
(2) 그녀는 덧셈과 곱셈의 수가 너무 많을 수 없기 때문에 알고리즘의 특정 부분만 사용할 수 있습니다(일반적으로 15개 이하)
. (일반적으로 15개 이하)
그리고 "전체"는 앨리스가 다항식을 덧셈으로 몇 번이고 곱셈으로 몇 번이고 암호화할 수 있도록 허용해야 제3자에게 전체 계산을 맡기고 복호화 후 정확한 결과를 얻을 수 있다는 것을 의미합니다. 를 사용하여 복호화해도 여전히 올바른 결과를 얻을 수 있습니다.
전기요금 계산과 같은 7살 아이의 문제뿐만 아니라 세상의 거의 모든 수학을 표현하는 매우 긴 다항식입니다.
여러 가지 암호화와 함께 근본적으로 C가 개인 데이터를 스누핑할 가능성을 사실상 제거합니다.
따라서 완전 동형 암호화는 항상 암호화의 성배에 있는 보석과도 같은 존재였습니다.
사실 동형 암호화는 2009년까지만 해도 '부분 동형 암호화' 기술에 불과했습니다.
2009년에야 젠트리와 다른 사람들의 새로운 아이디어가 완전한 동형 암호화의 가능성을 열었습니다. 관심이 있으신 분들은 이 백서로 이동하실 수도 있습니다.
많은 사람들이 여전히 이 기술의 적용에 대해 혼란스러워하고 있습니다.
많은 사람들이 여전히 이 기술의 적용 시나리오에 대해 혼란스러워하고 있는데, 어떤 시나리오에서 완전동형암호(FHE) 기술을 사용해야 하나요? 예를 들어, AI.
강력한 AI를 위해서는 충분한 데이터가 공급되어야 하지만 많은 데이터의 개인정보 가치가 너무 높다는 것은 누구나 알고 있습니다. 많은 데이터의 프라이버시 가치가 너무 높습니다. 그렇다면 FHE는 이 문제를 필요하면서도 바람직한 방식으로 해결할 수 있을까요?
정답은 '예'입니다
할 수 있습니다:
(1) FHE에서 민감한 데이터를 암호화합니다. (1) FHE 방식으로 민감한 데이터를 암호화하고,
(2) 암호화된 데이터를 사용하여 AI가 계산하도록 제공하고,
(3) AI가 아무도 이해할 수 없는 왜곡된 코드 더미를 뱉어내도록 할 수 있습니다.
데이터는 본질적으로 벡터이기 때문에 비지도 AI가 이 작업을 수행할 수 있으며, 특히 GPT와 같은 생성형 AI는 우리가 무엇을 입력하는지 이해하지 못하고 벡터를 사용하여 무엇을 말해야 할지 '예측'할 뿐입니다. 인공지능은 벡터를 통해 대답해야 할 내용을 '예측'할 뿐입니다.
그러나 이 횡설수설은 몇 가지 수학적 규칙을 따르고 있고 사용자가 이를 암호화한 사람이므로:
(4) 앨리스처럼 네트워크 연결을 끊고 로컬에서 이 횡설수설을 해독할 수 있습니다.< /p>
(5) 앨리스처럼 로컬에서 이 횡설수설을 해독할 수 있습니다.< /p>
(6) 로컬로 이 횡설수설을 복호화할 수 있습니다.
(5) 결국, 민감한 데이터를 처리할 필요 없이 AI가 계산을 대신 처리하도록 하세요.
오늘날의 AI는 그렇게 할 수 없고, 그렇게 하려면 개인정보를 포기해야 하지만, 여러분이 명시적으로 GPT에 입력하는 모든 것을 생각해보세요! 이를 가능하게 하는 것은 비식별화입니다.
이것이 바로 AI와 FHE의 자연스러운 결합의 근간이며, 한마디로 두 가지 모두에 해당합니다.
FHE는 AI와 연결되어 있고 암호화폐와 AI를 모두 아우르기 때문에 자연스럽게 더 많은 주목을 받고 있으며, 자마, 프리바세아, 마인드 네트워크, 피닉스, 선스크린 등 FHE를 적용하는 창의적인 방향을 가진 수많은 프로젝트들이 있습니다. FHE 적용 방향도 창의적입니다.
오늘은 이 프로젝트 중 하나인 @Privasea_ai를 예로 들어 자세히 살펴보겠습니다.
이 프로젝트는 CoinAn이 주도하는 FHE 프로젝트로, 백서에서 얼굴 인식과 같은 매우 관련성 높은 시나리오를 설명합니다.
두 가지 모두: 기계 연산을 통해 그 사람이 실제 사람인지 여부를 판단할 수 있고,
기계는 얼굴에 민감한 정보를 처리하지 않습니다.
FHE를 도입하면 이 문제를 효과적으로 해결할 수 있지만
실제 FHE 계산을 수행하려면 엄청난 양의 컴퓨팅 성능이 필요합니다. 결국 Alice는 연산, 암호화, 복호화 모두에서 전력을 많이 소모하는 '임의의' 덧셈과 곱셈 암호화를 수행해야 합니다.
따라서 Privasea는 강력한 연산 네트워크와 지원 시설을 구축할 필요가 있습니다. 따라서 프리바세아는 이 산술 네트워크 문제를 해결하기 위해 작업증명 + 지분증명 네트워크 아키텍처를 다시 제안했습니다.
최근 Privasea는 WorkHeart USB라는 자체 PoW 하드웨어를 발표했는데, 이는 Privasea 산술 네트워크의 지원 시설 중 하나로 해석할 수 있지만 물론 단순히 채굴기로 이해하시면 됩니다.
초기 가격은 0.2 ETH이며, 네트워크 총 생성량의 6.66%를 채굴할 수 있습니다.
그리고 "작업 허가"로 해석할 수 있는 지분 증명형 자산인 스타퓨엘 NFT도 있으며, 총 5,000개에 달합니다.
초기 가격은 0.2 ETH이며, 에어드랍을 통해 네트워크 전체 토큰의 0.75%를 받을 수 있습니다.
이 NFT는 PoS와 비슷하지만 진정한 PoS는 아니며, 미국에서 PoS가 증권인지 아닌지에 대한 의문을 피하려고 한다는 점에서도 흥미롭습니다.
이 NFT는 사용자가 Privasea 토큰을 서약할 수 있지만, PoS 수익을 창출하는 대신 번들로 제공되는 USB 장치의 채굴 효율을 두 배로 높여주므로 위장한 PoS입니다.
이 NFT는 PoS입니다. align: left;">PS: 이전에 이 프로젝트에 투자한 적이 있어서 할인된 민트 얼리버드 초대 코드 siA7PO를 가지고 있으니
nft.privasea.ai
nft.privasea.ai
책으로 돌아갑니다. ">책으로 돌아가서, AI가 FHE 기술을 실제로 대중화할 수 있다면, 현재 많은 국가에서 데이터 보안과 데이터 프라이버시에 초점을 맞추고 있는 규제 A를 염두에 두면 AI 자체에 큰 도움이 될 것입니다.
부적절한 예를 들자면, 러시아-우크라이나 전쟁에서 일부 러시아 군대가 A를 사용하려고 시도하고 있지만 수많은 AI 기업이 미국을 배경으로 하고 있기 때문에 아마도 정보기관이 핵심을 꿰뚫을 수 있을 것으로 예상됩니다.
그러나 다시 말하지만, AI를 사용하지 않는다면 당연히 뒤처질 수밖에 없습니다. 지금은 그 격차가 크지 않더라도 10년만 더 지나면 AI가 없는 세상은 상상할 수 없을지도 모릅니다.
그 결과, 국가 간 전쟁과 분쟁부터 휴대폰의 얼굴 인식 잠금 해제까지 데이터 프라이버시는 우리 생활 곳곳에 존재합니다.
AI 시대에 FHE 기술이 진정으로 성숙할 수 있다면 의심할 여지 없이 인류를 위한 최후의 방어선이 될 것입니다.