原作者：ハオティアン
FHE (完全準同型暗号化) に関する Vitalik の記事は、再びすべての人の新しい暗号化テクノロジの探索と想像力を刺激しました。私の意見では、FHE 完全準同型暗号化は確かに ZKP テクノロジーの想像をはるかに超えており、AI+Crypto によるより多くのアプリケーション シナリオの実装に役立ちます。どのように理解すればよいでしょうか？
1) 定義: FHE 完全準同型暗号化により、データやプライバシーの公開を心配することなく、特定の形式の暗号化データに対する操作が可能になります。対照的に、ZKP は、暗号化された状態でデータを一貫して送信するという問題のみを解決できます。データを受信する当事者は、データを送信する当事者によって送信されたデータが本物であることのみを確認できます。これは、ポイントツーポイントの暗号化された送信スキームです。 ; 一方、完全準同型暗号化には制限がありません。操作の対象範囲は多対多の暗号化操作スキームとみなすことができます。
2) 仕組み: 従来のコンピュータ操作は平文データで動作します。計算前に暗号化されたデータを復号化する必要がある場合、必然的に個人データが漏洩します。準同型暗号化は、演算結果が平文の結果と同じになるように暗号文を「準同型」に変換できる特別な暗号化スキームを構築します。準同型暗号方式では、平文の加算は暗号文の乗算と等価（規則）なので、平文データを加算したい場合は暗号文を乗算するだけ（等価）で済みます。
つまり、準同型暗号化では、特別な準同型変換を使用して、暗号文状態でデータを操作して平文と同じ結果を得ることができます。必要なのは、操作ルールの準同型対応特性を確保することだけです。
3) 応用シナリオ: 従来のインターネット分野では、FHE 完全準同型暗号化は、クラウド ストレージ、生体認証、医療健康、金融、広告、遺伝子配列決定などの幅広い分野に適用できます。生体認証を例に挙げると、個人の指紋、虹彩、顔などの生体認証データはすべて機密データであり、FHE テクノロジーを使用すると、これらのデータは長年にわたりデータの断片化が行われてきました。医療および健康分野は、FHE を使用して分解できるため、元のデータを共有せずに、さまざまな医療組織が共同で分析およびモデリングを実行できるようになります。
暗号分野では、FHE アプリケーション スペースには、ゲーム、DAO 投票ガバナンス、MEV 保護、プライバシー トランザクション、規制遵守など、プライバシーが必要な複数のシナリオが含まれる場合もあります。ゲームシーンを例に挙げると、プラットフォームはプレイヤーの手元のカードを盗み見せずにゲームを促進するための計算を実行し、ゲームをより公平なものにします。
DAO投票を例にとると、クジラはアドレスと投票数を公開することなく投票ガバナンスに参加でき、プロトコルが計算を通じて投票結果を生成できるようになり、さらにユーザーは暗号化されたトランザクションをMempoolに渡すことができるため、ターゲットアドレスや転送金額を回避できます。個人情報が暴露される別の例では、規制シナリオでは、政府が資本プールを監視し、法的取引の個人データをチェックしない通貨システム内の黒人住所の資産を売却することができます。
4) 欠点: コンピュータが平文に対して通常の演算を実行するコンピューティング環境は、加算、減算、乗算、除算に加えて、条件付きループ、論理ゲートの判定なども多く、より複雑であることは注目に値します。一方、半準同型暗号と完全準同型暗号は、現在、加算と乗算でしかすぐに拡張できません。より複雑な演算には組み合わせと重ね合わせが必要であり、これにより計算能力の需要が増加します。
したがって、理論的には、完全準同型暗号化はあらゆる計算をサポートできますが、パフォーマンスのボトルネックとアルゴリズムの特性により、効率的に実行できる準同型計算の種類と複雑さは現在非常に限られています。一般に、複雑な操作には大量の計算能力が必要です。したがって、完全準同型暗号技術の実装プロセスは、実際には、アルゴリズムの最適化と計算能力コスト制御の最適化の開発プロセスであり、ハードウェアの高速化と計算能力の強化後のパフォーマンスに特に注意を払う必要があります。
その上
私の意見では、FHE 完全準同型暗号は短期間で成熟して適用するのは困難ですが、ZKP テクノロジーの拡張および補足として、AI ラージ モデル プライバシー コンピューティング、AI データ共同モデリング、AI 協調トレーニング、および暗号プライバシーを提供できます。統合により、規制されたトランザクションや暗号シナリオの拡張などの面で優れた支援価値が提供されます。
