长推:Messari新发布的隐私计算报告解读
隐私计算是一种技术方向,可以解决数据保护和AI大模型训练等问题。零知识证明和全同态加密是两种隐私工具,它们可以结合创建更高效和全面的隐私解决方案。服务器端证明可以解决证明生成复杂的问题,但需要用户信任第三方。全同态加密有三种类型,但计算贵,需要丰富开发生态系统以促进主流FHE采用。 摘要由 Mars AI 生成 本摘要由 Mars AI 模型生成,其生成内容的准确性、完整性还处于迭代更新阶段。
注:本文来自 @0xWendy99 推特,火星财经整理如下:
隐私计算是我个人最看好的技术方向之一,它很容易让人想到金融以外更广泛的落地应用场景,举个简单的例子,大家肯定不希望自己的生物基因信息或者聊天记录被别人掌握,但生物信息的探索和AI大模型训练等又需要很多数据。Messari @MessariCrypto 新发布的隐私计算的报告中文总结如下,欢迎交流指正:
1. 零知识证明(Zero-knowledge proofs,ZKPs)作为一种隐私工具,面临两个关键问题:1)大多数需要第三方生成证明,在这个过程中会有用户隐私数据暴露的可能。2)不适用于需要同时具备全局和私有状态的应用。
2. 全同态加密(Fully Homomorphic Encryption,FHE)能够在不解密的情况下对加密数据进行计算。
将其与多方计算(Multi-Party Computations,MPC)和零知识证明相结合可以创建一个更高效和全面的隐私解决方案。
3. ZKP现在流行的一大原因并不是其是最完美的隐私方案,而更多是实现可验证的链下计算,作为扩容方案存在。而当生成证明的计算更复杂,需要时间更久时,出现的解决方案是将证明生成外包给配备更强大硬件的第三方,也就是服务器端证明。这意味用户需要信任这些实体来保护他们的数据,类似于Web2的云服务。
4. 利用服务器端证明的应用包括:
ZK Rollups:Starknet、zkSync、Scroll、Aztec、Linea
跨链互操作性:Polymer、Polyhedra、Herodotus、Succinct
中间件:Hyper Oracle、Space and Time
ZK 机器学习:ModulusLabs、Giza
通用证明:Risc Zero、=nil;、Marlin、Ironmill
5. 有三种主要类型的同态加密方案:部分同态加密、弱同态加密和全同态加密。
部分同态加密:有限类型计算,不通用;
弱同态加密:有一定灵活性,如数据聚合和统计计算;
全同态加密:最强,可执行通用计算;但贵。
6. 区块链相关的全同态加密项目有哪些:
Elusiv:Solana上的隐私支付;
SherLOCKED:以太坊隐私合约;
Penumbra:隐私dex;
Privasea AI:隐私机器学习;
等等。
7. 全同态加密的问题:解密的权利是中心化的,一般会采用多方计算(MPC)技术将解密密钥分布在多个节点之间;计算贵(Chain Reaction正在开发专为FHE定制的ASIC,预计将在2024年第四季度推出首款芯片。);有噪声。
8. 为了真正促进主流的FHE采用,需要丰富开发生态系统。这意味着更多可访问的工具、全面的库、SDK和编译器,以简化将FHE集成到现有的加密应用程序中。这将有助于降低使用FHE的门槛,加速其在各种应用中的采用。
免责声明:文章中的所有内容仅代表作者的观点,与本平台无关。用户不应以本文作为投资决策的参考。
你也可能喜欢
2024年最佳加密预售:这就是为什么PropiChain的RWA和AI功能脱颖而出
加密货币世界充满了新的机遇,但很少有预售能像PropiChain那样令人兴奋。
Consensys推出Linea Association以推动zkEVM网络的去中心化增长
Linea Association将于2025年第一季度推出Linea代币,允许代币持有者参与治理决策。
Michael Saylor预计比特币将达到10万美元-最新加密货币新闻
MicroStrategy的联合创始人兼董事长Michael Saylor对比特币的未来价值表示强烈乐观。在最近接受CNBC采访时,