Crypto currency > Tin Tức Nóng > ArkStream Capital: Tại sao chúng tôi đầu tư vào lĩnh vực FHE

ArkStream Capital: Tại sao chúng tôi đầu tư vào lĩnh vực FHE

Tháng sáu 20, 2024
10:48 05

Lời nói đầu

Trong quá khứ, công nghệ mật mã học đã chiếm vị trí quan trọng trong tiến bộ văn minh con người, đặc biệt là trong lĩnh vực an ninh thông tin và bảo vệ quyền riêng tư. Nó không chỉ cung cấp sự bảo vệ vững chắc cho việc truyền tải và lưu trữ dữ liệu trong các lĩnh vực mà còn có hệ thống khóa công – khóa riêng bất đối xứng và hàm băm, đã được Satoshi Nakamoto kết hợp sáng tạo vào năm 2008, thiết kế ra cơ chế bằng chứng công việc giải quyết vấn đề đôi花钱, từ đó thúc đẩy ra đời của Bitcoin – tiền tệ số cách mạng và mở ra thời đại mới của ngành công nghiệp chuỗi khối.

Dần theo sự phát triển và phát triển nhanh chóng của ngành công nghiệp chuỗi khối, một loạt các công nghệ mật mã học tiền tiến liên tục xuất hiện, trong đó ZKP (Bằng chứng không biết gì), MPC (Tính toán đa bên) và FHE (Mã hóa đồng dạng toàn bộ) là nổi bật nhất. Các công nghệ này đã được ứng dụng rộng rãi trong nhiều tình huống, như ZKP kết hợp với giải pháp Rollup giải quyết vấn đề ‘tam giác không thể’ của chuỗi khối, MPC kết hợp với hệ thống khóa công – khóa riêng thúc đẩy ứng dụng quy mô lớn của người dùng (Mass Adoption). Về FHE, được coi là một trong những huy chương thánh giá của mật mã học, tính chất độc đáo của nó cho phép bên thứ ba có thể thực hiện bất kỳ số lần tính toán và thao tác nào trên dữ liệu đã mã hóa mà không cần giải mã, từ đó thực hiện tính toán riêng tư trên chuỗi có thể kết hợp, mang lại khả năng mới cho nhiều lĩnh vực và tình huống.

Tóm tắt nhanh về FHE

Khi chúng ta đề cập đến FHE (Mã hóa đồng dạng toàn bộ), ta có thể hiểu ý nghĩa đằng sau tên gọi của nó. Thứ nhất, HE đại diện cho công nghệ mã hóa đồng dạng, tính chất cốt lõi của nó là cho phép thực hiện tính toán và thao tác trên văn bản đã mã hóa, và những thao tác này có thể trực tiếp ánh xạ vào văn bản rõ, tức là duy trì tính toán toán học của dữ liệu đã mã hóa. Và chữ ‘F’ trong FHE có nghĩa là tính đồng dạng này đã đạt đến một tầm cao hoàn toàn mới, cho phép thực hiện bất kỳ số lần tính toán và thao tác nào trên dữ liệu đã mã hóa.

Để giúp hiểu, chúng tôi chọn hàm tuyến tính đơn giản nhất làm thuật toán mã hóa và kết hợp với thao tác một lần để giải thích tính đồng dạng cộng và tính đồng dạng nhân. Tất nhiên, FHE thực tế sử dụng một loạt các thuật toán toán học phức tạp hơn và, những thuật toán này đòi hỏi rất nhiều tài nguyên tính toán (CPU và bộ nhớ).

Mặc dù nguyên lý toán học của FHE là sâu sắc và phức tạp, nhưng ở đây chúng ta sẽ không mở rộng quá nhiều. Điều đáng nói đến là, ngoài FHE, trong lĩnh vực mã hóa đồng hình, còn có cả phần đồng hình và một số đồng hình hai hình thức. Hầu hết sự khác biệt của chúng nằm ở loại hoạt động được hỗ trợ và số lần phép toán cho phép, nhưng đều cung cấp khả năng thực hiện tính toán và thao tác trên dữ liệu đã mã hóa. Tuy nhiên, để duy trì tính giản đơn của nội dung, chúng ta cũng không thảo luận sâu về vấn đề này.

Trong ngành FHE, mặc dù có nhiều doanh nghiệp nổi tiếng tham gia nghiên cứu và phát triển, nhưng Microsoft và Zama đã nổi bật với những sản phẩm mã nguồn mở (kho mã nguồn) của họ, với khả năng sử dụng và ảnh hưởng vô song. Họ đã cung cấp cho nhà phát triển một thực hiện FHE ổn định và hiệu quả, những đóng góp này đã thúc đẩy mạnh mẽ sự phát triển liên tục và ứng dụng rộng rãi của công nghệ FHE.

SEAL của Microsoft: một thư viện FHE được Microsoft Research chế tạo kỹ lưỡng, không chỉ hỗ trợ mã hóa đồng hình toàn bộ, mà còn tương thích với phần đồng hình. SEAL cung cấp giao diện C++ hiệu quả và thông qua tích hợp nhiều thuật toán và công nghệ tối ưu hóa, đã nâng cao đáng kể hiệu suất và hiệu quả tính toán.

TFHE của Zama: là một thư viện mã nguồn mở tập trung vào mã hóa đồng hình toàn bộ với hiệu suất cao. TFHE cung cấp dịch vụ thông qua giao diện ngôn ngữ C và sử dụng một loạt các thuật toán và công nghệ tối ưu hóa tiên tiến, nhằm đạt được tốc độ tính toán nhanh hơn và tiêu thụ tài nguyên thấp hơn.

Theo suy nghĩ đơn giản nhất, quy trình hoạt động của FHE là như sau:

· Tạo khóa: Sử dụng thư viện/khung FHE để tạo ra một cặp khóa công và riêng.

· Mã hóa dữ liệu: Sử dụng khóa công mã hóa dữ liệu cần được xử lý bằng FHE.

· Thực hiện tính toán đồng hình: Sử dụng tính năng tính toán đồng hình do thư viện FHE cung cấp, thực hiện các hoạt động tính toán khác nhau trên dữ liệu đã mã hóa, ví dụ như cộng, nhân, v.v.

· Giải mã kết quả: Khi cần xem kết quả tính toán, người dùng hợp pháp sử dụng khóa riêng để giải mã kết quả tính toán.

Trong thực hành của FHE, phương án quản lý khóa giải mã (tạo ra, chuyển tiếp và sử dụng, v.v.) đặc biệt quan trọng. Vì dữ liệu đã mã hóa cần được tính toán và thao tác, và kết quả cần được giải mã để sử dụng vào một số thời điểm và trường hợp nhất định, do đó, khóa giải mã trở thành nhân tố cốt lõi để đảm bảo an toàn và toàn vẹn của dữ liệu ban đầu và dữ liệu đã xử lý. Về quản lý khóa giải mã, các phương án này thực tế có nhiều điểm tương tự với quản lý khóa truyền thống, nhưng vì đặc tính của FHE, cũng có thể thiết kế và áp dụng các chiến lược nghiêm ngặt và tỉ mỉ hơn.

Với blockchain, do tính chất phi tập trung, minh bạch và không thể sửa đổi, việc áp dụng giải pháp tính toán an toàn đa bên với ngưỡng (Threshold Multi-Party Computation, TMPC) là một sự lựa chọn đầy tiềm năng. Giải pháp này cho phép nhiều người tham gia cùng quản lý và kiểm soát khóa giải mã, chỉ khi đạt đến số lượng người tham gia đã đặt trước (tức số lượng người tham gia), dữ liệu mới có thể được giải mã thành công. Điều này không chỉ nâng cao tính an toàn của quản lý khóa, mà còn giảm thiểu rủi ro của một nút bị tấn công, cung cấp một sự bảo đảm mạnh mẽ cho việc ứng dụng FHE trong môi trường blockchain.

Căn cứ trên(fhEVM) xây dựng nền tảng

Kể từ góc độ tối thiểu xâm nhập, để thực hiện ứng dụng của FHE trên blockchain, cách lý tưởng nhất là đóng gói nó thành một thư viện mã hợp đồng thông dụng, nhằm đảm bảo tính nhẹ nhàng và linh hoạt. Tuy nhiên, điều kiện tiên quyết của giải pháp này là máy ảo hợp đồng thông minh phải hỗ trợ sẵn tập hợp các chỉ dẫn toán học phức tạp và thao tác mã hóa cần thiết của FHE. Nếu máy ảo không đáp ứng các yêu cầu này, thì cần phải đi sâu vào kiến trúc lõi của máy ảo để tùy chỉnh và cải tạo, để phù hợp với nhu cầu của thuật toán FHE, từ đó thực hiện tích hợp trơn tru.

Là một máy ảo được áp dụng rộng rãi và đã được xác minh qua thời gian dài, EVM tự nhiên trở thành sự lựa chọn đầu tiên để thực hiện FHE. Tuy nhiên, số lượng người thực hành trong lĩnh vực này rất ít, trong đó, chúng tôi một lần nữa chú ý đến công ty Zama nguồn mở TFHE. Hóa ra, Zama không chỉ cung cấp thư viện TFHE cơ bản mà còn, như một công ty khoa học và công nghệ tập trung vào việc áp dụng công nghệ FHE vào lĩnh vực trí tuệ nhân tạo và blockchain, họ cũng đã ra mắt hai sản phẩm nguồn mở quan trọng: Concrete ML và fhEVM. Concrete ML tập trung vào tính toán riêng tư học máy. Thông qua Concrete ML, các nhà khoa học dữ liệu và các nhà thực hành ML có thể huấn luyện và suy luận mô hình học máy trên dữ liệu nhạy cảm trong khi bảo vệ quyền riêng tư, từ đó tận dụng tài nguyên dữ liệu mà không phải lo lắng về rò rỉ thông tin cá nhân. Sản phẩm fhEVM khác, hỗ trợ tính toán riêng tư bằng cách sử dụng EVM toàn đồng态 Solidity. fhEVM cho phép nhà phát triển sử dụng công nghệ mã hóa toàn đồng态 trong hợp đồng thông minh Ethereum, thực hiện bảo vệ quyền riêng tư và tính toán an toàn.

Bằng cách đọc tài liệu của fhEVM, chúng tôi hiểu được các tính năng cốt lõi của fhEVM:

· fhEVM: Ở cấp byte mã không phải EVM, dưới dạng hàm nhúng, bằng cách tích hợp nhiều hợp đồng precompiled khác nhau của thư viện FHE nguồn mở của Zama, cung cấp hỗ trợ hoạt động FHE. Ngoài ra, một khu vực bộ nhớ và lưu trữ EVM đặc biệt được tạo ra cho FHE, dùng để lưu trữ, đọc và xác nhận mã hóa mật khẩu của FHE;

· Cơ chế giải mã thiết kế dựa trên giao thức ngưỡng phân phối: Hỗ trợ việc trộn mã hóa dữ liệu toàn cục FHE khóa và lưu trữ khóa mã hóa trên chuỗi, nhiều người dùng và hợp đồng sử dụng một cơ chế mã hóa bất đồng của đa phương an toàn dựa trên ngưỡng;

· Thư viện hợp đồng Solidity giảm bớt ngưỡng sử dụng cho nhà phát triển: Thiết kế các loại dữ liệu mã hóa, loại hoạt động, cuộc gọi giải mã và đầu ra mã hóa cho FHE;

Zama của fhEVM cung cấp một điểm xuất phát vững chắc cho công nghệ FHE trong ứng dụng blockchain, nhưng xét đến việc Zama chủ yếu tập trung vào nghiên cứu và phát triển công nghệ, giải pháp của họ hướng đến khía cạnh kỹ thuật hơn, trong khi suy nghĩ về triển khai công trình và ứng dụng thương mại thì tương đối ít hơn. Do đó, quá trình đưa fhEVM vào ứng dụng thực tế có thể sẽ phải đối mặt với nhiều thách thức không mong đợi, bao gồm nhưng không giới hạn ở rào cản về công nghệ và tối ưu hóa hiệu suất.

FHE-Rollups xây dựng hệ sinh thái

fhEVM đơn thuần không thể tạo thành một dự án hoặc hệ sinh thái hoàn chỉnh một cách riêng lẻ, nó giống như một trong những phần mềm khách hàng đa dạng trong hệ sinh thái Ethereum. Để có thể tự lập một dự án độc lập, fhEVM cần phải dựa vào kiến trúc cấp công cộng hoặc áp dụng giải pháp Layer2/Layer3. Hướng phát triển của chuỗi công cộng FHE không thể tránh khỏi việc giải quyết làm thế nào để giảm thiểu sự dư thừa và lãng phí tài nguyên tính toán FHE giữa các nút xác nhận phân phối. Ngược lại, giải pháp Layer2 / Layer3 vốn là lớp thực thi của chuỗi công cộng có thể phân bổ công việc tính toán đến một số nút ít hơn, giảm đáng kể cấp số lượng chi phí tính toán. Chính vì lý do này, Fhenix, như một người đi đầu, đang tích cực tìm kiếm cách kết hợp fhEVM với công nghệ Rollup, đề xuất xây dựng giải pháp Layer2 tiên tiến dựa trên FHE-Rollups.

Suy nghĩ đến công nghệ ZK Rollups liên quan đến cơ chế ZKP phức tạp và cần nhiều tài nguyên tính toán để tạo ra bằng chứng cần thiết cho việc xác nhận, kết hợp với đặc tính của toàn bộ FHE, việc thực hiện trực tiếp giải pháp dựa trên ZK Rollups sẽ phải đối mặt với nhiều thách thức. Do đó, trong giai đoạn hiện tại, so với ZK Rollups, việc áp dụng giải pháp Optimistic Rollups sẽ là sự lựa chọn kỹ thuật thực tế và hiệu quả hơn cho Fhenix.

Fhenix’s technology stack mainly includes the following key components: a variant of Arbitrum Nitro’s fraud prover, which can perform fraud proofs in WebAssembly, thus allowing FHE logic to be compiled into WebAssembly for secure operation first. The core library fheOS provides all the functions needed to integrate FHE logic into smart contracts. The Threshold Service Network (TSN) is another important component, which hosts the network secret key, uses secret sharing technology with specific algorithms to split it into multiple parts to ensure security, and is responsible for tasks such as decrypting data when necessary.

Based on the above technology stack, Fhenix has released the first public version, Fhenix Frontier. Although this is an early version with many restrictions and missing functions, it has provided a comprehensive set of instructions for the use of smart contract code libraries, Solidity APIs, contract development toolchains (such as Hardhat/Remix), and front-end interactive JavaScript libraries. Developers and ecological project parties interested in this can refer to the official documentation for exploration.

Chain-Agnostic FHE Coprocessors

On the basis of FHE-Rollups, Fhenix cleverly introduces a Relay module, aiming to empower various public chains, L2, and L3 networks, enabling them to access FHE Coprocessors to use FHE functions. This means that even if the original Host Chain does not support FHE, it can now indirectly enjoy the powerful functions of FHE. However, due to the proof challenge period of FHE-Rollups usually being as long as 7 days, this to some extent limits the widespread application of FHE. To overcome this challenge, Fhenix has joined forces with EigenLayer, providing a faster and more convenient channel for the service of FHE Coprocessors through EigenLayer’s Restaking mechanism, greatly improving the efficiency and flexibility of the entire FHE Coprocessors.

The use of FHE Coprocessors is simple and clear:

Application contracts call the FHE Coprocessor on the Host Chain to perform encrypted computing operations.
Relay contracts queue requests.
Relay nodes listen to the Relay contracts and forward the calls to the dedicated Fhenix Rollup.
FHE Rollup performs FHE computing operations.
Threshold network decrypts the output.
Relay nodes return the results and optimistic proofs back to the contract.

7. Xác thực hợp đồng lạc quan và gửi kết quả đến bên gọi
8. Ứng dụng hợp đồng kết hợp kết quả cuộc gọi để tiếp tục thực thi hợp đồng

Hướng dẫn tham gia Fhenix

Nếu bạn là một nhà phát triển, bạn có thể nghiên cứu sâu vào tài liệu tài liệu của Fhenix và dựa trên những tài liệu này để phát triển ứng dụng FHE riêng của mình, để khám phá tiềm năng của nó trong ứng dụng thực tế.

Nếu bạn là một người dùng, bạn có thể thử trải nghiệm các dApps được cung cấp bởi FHE-Rollups của Fhenix, cảm nhận sự bảo mật dữ liệu và bảo vệ quyền riêng tư mà FHE mang lại.

Nếu bạn là một nhà nghiên cứu, chúng tôi đặc biệt khuyên bạn đọc kỹ tài liệu tài liệu của Fhenix, hiểu rõ nguyên lý, chi tiết kỹ thuật và triển vọng ứng dụng của FHE, để có thể đóng góp giá trị hơn trong lĩnh vực nghiên cứu của mình.

Các trường hợp ứng dụng tốt nhất của FHE

· Trò chơi toàn chuỗi bảo vệ quyền riêng tư: Công nghệ FHE cung cấp bảo vệ mã hóa mạnh mẽ cho các giao dịch tài chính và hoạt động của người chơi trong cơ chế kinh tế trò chơi, hiệu quả ngăn ngừa hành vi thao túng thời gian thực, đảm bảo tính công bằng và chính trực của trò chơi. Đồng thời, FHE cũng có khả năng ẩn danh hoạt động của người chơi, giảm thiểu đáng kể rủi ro rò rỉ tài sản tài chính và thông tin cá nhân của người chơi, từ đó bảo vệ toàn diện quyền riêng tư của người chơi.

· DeFi/MEV: Kể từ khi hoạt động DeFi phát triển mạnh mẽ, nhiều hoạt động DeFi đã trở thành mục tiêu của các cuộc tấn công MEV trong rừng tối. Để giải quyết thách thức này, FHE có thể bảo vệ các dữ liệu nhạy cảm trong DeFi mà người dùng không muốn tiết lộ, như số lượng nắm giữ, đường giới thanh lý, điểm trượt giao dịch, trong khi vẫn đảm bảo tính toán của logic kinh doanh, thông qua ứng dụng FHE, tình trạng sức khỏe của DeFi trên chuỗi có thể được nâng cao đáng kể, từ đó giảm đáng kể tần suất xảy ra của hành vi MEV không tốt.

· AI: Luyện tập mô hình AI phụ thuộc vào tập dữ liệu, khi liên quan đến việc sử dụng dữ liệu cá nhân để huấn luyện, đảm bảo an toàn của dữ liệu nhạy cảm cá nhân trở thành ưu tiên hàng đầu. Vì vậy, công nghệ FHE trở thành giải pháp lý tưởng cho việc huấn luyện mô hình AI trên dữ liệu cá nhân bảo mật, nó cho phép AI xử lý trên dữ liệu đã mã hóa, từ đó hoàn thành quá trình huấn luyện mà không tiết lộ bất kỳ thông tin nhạy cảm cá nhân nào.

Độ nhận thức cộng đồng về FHE

Các tiến bộ trong công nghệ không chỉ dựa trên những tính năng chuyên nghiệp của nó mà còn cần dựa trên sự phát triển liên tục của nghiên cứu học thuật và sự hỗ trợ từ cộng đồng. Về mặt này, FHE được coi là “Bình thánh” trong lĩnh vực mật mã học, tiềm năng và giá trị của nó đã được công nhận rộng rãi. Năm 2020, Vitalik Buterin đã bày tỏ sự đánh giá cao và hỗ trợ mạnh mẽ cho công nghệ FHE trong bài viết “Exploring Fully Homomorphic Encryption”. Gần đây, việc ông lên tiếng trên các trang truyền thông xã hội một lần nữa chắc chắn đã củng cố lập trường này và kêu gọi nhiều nguồn lực và sức mạnh hơn cho sự phát triển của công nghệ FHE. Song song với đó là sự xuất hiện liên tục của các dự án mới, các tổ chức nghiên cứu và giáo dục phi lợi nhuận, và các khoản đầu tư tiếp tục được đưa vào thị trường, tất cả những yếu tố này dường như đang báo hiệu cho một giai điệu khởi đầu của một cuộc bùng nổ công nghệ.

Sân chơi ban đầu đầy tiềm năng của FHE
Trong giai đoạn ban đầu của sự phát triển hệ sinh thái FHE, ngoài các công ty dịch vụ cơ sở cốt lõi như Zama và dự án nổi tiếng như Fhenix, còn có một loạt các dự án xuất sắc khác cũng đáng để chúng ta hiểu biết và theo dõi:
· Sunscreen: Dự án sử dụng trình biên dịch FHE tự phát triển để hỗ trợ chuyển đổi ngôn ngữ lập trình truyền thống sang FHE, thiết kế lưu trữ phi tập trung tương ứng cho các mã hóa FHE, và cuối cùng cung cấp tính năng FHE dưới dạng SDK cho các ứng dụng Web3.
· Mind Network: Kết hợp cơ chế Restaking của EigenLayer, là một mạng FHE chuyên biệt để mở rộng tính bảo mật cho AI và DePIN.
· PADO Labs: Ra mắt zkFHE, một sản phẩm tích hợp ZKP và FHE, và xây dựng trên đó một mạng máy tính phi tập trung.
· Arcium: Trước đây là giao thức riêng tư Elusiv trên Solana, gần đây đã chuyển đổi thành một mạng tính toán riêng tư song song tích hợp FHE.
· Inco Network: Dựa trên fhEVM của Zama, tập trung vào tối ưu chi phí và hiệu suất tính toán của FHE, nhằm phát triển một hệ sinh thái Layer1 hoàn chỉnh.
· Treat: Được phát triển bởi nhóm Shiba cùng với Zama, nhắm đến việc mở rộng hệ sinh thái FHE Layer3 của Shiba.
· Octra: Mạng FHE được phát triển dựa trên OCaml, AST, ReasonML và C++ hỗ trợ môi trường thực thi tách biệt.
· BasedAI: Mạng phân tán hỗ trợ việc đưa tính năng FHE vào các mô hình LLM.

· Privasea：NuLink 核心团队打造的 FHE 网络，采用 Zama 的 Concrete ML 框架，旨在 AI 领域的 ML 推理过程中实现数据隐私保护

对于非赢利性研究和教育机构，我们强烈推荐 FHE.org 和 FHE Onchain，它们为整个生态的学术研究和教育普及提供了宝贵的资源。

由于篇幅有限，我们未能一一列举 FHE 生态中所有优秀的项目。但请相信，这个生态中蕴含了无限的潜力和机遇，值得我们持续深入探索和发掘。

总结

我们对 FHE 技术的前景充满乐观，并对 Fhenix 这个项目抱有极高的期待。一旦 Fhenix 主网发布和正式上线，我们预计不同领域的应用将因为 FHE 技术而得到提升。我们坚信，这个充满创新与活力的未来，已经近在咫尺。

参考文献：

https://zama.ai/

https://github.com/microsoft/SEAL