FHE: Будущее вычислений с сохранением конфиденциальности

Полная гомоморфная криптография ( FHE ) — это передовая криптографическая технология, позволяющая выполнять прямые вычисления над зашифрованными данными, обеспечивая обработку данных при защите конфиденциальности. FHE имеет потенциальные применения в таких областях, как финансы, здравоохранение, облачные вычисления и др., но из-за огромных вычислительных затрат она все еще далека от коммерческого внедрения.

Основной принцип FHE заключается в том, чтобы преобразовать открытые данные в полиномиальную форму для шифрования, а затем выполнять вычислительные операции над зашифрованными данными. Для контроля роста шума FHE использует такие технологии, как переключение ключей, переключение модулей и самозапуск. На данный момент основные схемы FHE включают BGV, BFV, CKKS и другие.

Основная проблема, с которой сталкивается FHE, заключается в вычислительной эффективности, которая примерно в миллион раз медленнее, чем обычные вычисления. В связи с этим DARPA США запустила программу DPRIVE, целью которой является увеличение скорости вычислений FHE до 1/10 от скорости обычных вычислений. Программа нацелена на оптимизацию производительности FHE за счет увеличения длины слова процессора, разработки специализированных ASIC-микросхем и создания параллельной архитектуры.

В области блокчейна FHE может быть использован для защиты конфиденциальности на цепочке, конфиденциальности данных для обучения ИИ, конфиденциального голосования и других сценариев. В настоящее время несколько проектов исследуют сочетание FHE и блокчейна, таких как Zama, Fhenix, Octra и другие. Среди них Zama построила достаточно развитый инструментальный набор разработки на базе TFHE, в то время как Octra предложила новый тип реализации FHE на основе гиперграфов.

Хотя FHE все еще находится на ранней стадии, его будущее выглядит многообещающе благодаря развитию соответствующего оборудования и увеличению инвестиций. FHE имеет потенциал произвести глубокие изменения в таких отраслях, как оборона, финансы и здравоохранение, раскрывая огромный потенциал приватных данных.