Nillion完成2500万美元融资,主打的盲计算是什么?与ZKP、FHE有什么区别?
不少朋友看到Nillion融资$25M的消息,都会好奇 WTF什么是“盲计算”? MPC、ZKP、FHE、TEE这些生僻概念刚有一些了解,一个崭新的概念又冒出来了。那么,盲计算的工作流程大致怎样?Nillion提供的盲计算解决方案究竟怎样?接下来,谈谈我的理解:
1)什么是Blind Compute(盲计算)?简单而言,盲计算是一种让服务端(节点)对某个加密状态的数据片段执行计算任务,最终达到保护隐私的安全计算方法。
和ZKP、TEE、MPC、FHE等增强加密算法目标都一致,差异在于:ZKP零知识证明生成证明需要巨大的开销,适合链下存储+计算,链上只验证的场景,比如:Rollup Layer2;TEE可信执行环境是一种依赖硬件厂商在隔离环境下进行计算的方法;FHE全同态加密虽然可以直接在加密数据上执行计算,但当下只支持特定运算;
“盲计算”是一种更加General的计算框架,因为ZKP、TEE、FHE等加密技术都可能被作为其技术框架的一部分。
众所周知,ZKP、TEE、FHE等目前都在和Crypto接轨技术落地应用探索和优化阶段。而盲计算则有可能把这些加密核心技术都聚合应用起来,从而为隐私保护探索出一体化的工程实践方案。
2)盲计算的核心逻辑是做分布式节点增强,让单个节点同时具备分段存储+计算的能力,再加上一个可验证的开放治理网络,进而达成节点不知道“完整”数据前提下有效工作的结果。如何理解呢?
常态下保护数据隐私状态需要在A节点存储数据,然后加密后交由B节点计算,再解密后经由C节点验证最终完成数据的存储+计算工作。这个过程中数据传输存在极大的成本损耗,且多次反复Encrypt——>Decrypt的过程数据存在暴露的情况,节点之间的互信成本也高,很难保证隐私不泄漏。
Nillion构建的业务逻辑恰好弥补了这一缺陷,其大致工作流程为(仅供理解):
Nillion构建了一个分布式节点网络,每个节点都具备存储+计算的增强能力,Nillion网络在收到数据传输处理需求时,先经由Nada特定语言执行编译预处理,让原始数据被拆分成很多片段,并且都处于加密状态。
再经AIVM虚拟机来调度和分配,其分布式节点会随机存储并计算这些数据片段,最终完成聚合和统一验证。整个过程,单一节点并无法知道全部的数据内容,拼凑到一起却能完成整体数据的加密传输和计算。
为啥说盲计算可以聚合应用ZKP、TEE、FHE这些技术,逻辑也很简单,在数据预处理也就是给数据加密阶段完全可以应用FHE同态加密技术,而节点存储计算数据则可以在TEE可信执行环境下进行,在聚合和验证节点工作成果的时候则可以用ZKP提升验证聚合效率。
3)在我看来,ZKP、TEE、FHE、MPC等技术都或多或少存在一些工程化落地缺陷,目前Crypto领域几乎各个赛道都挤满了项目,但大差不差都在做成本和效率优化的工作,且都聚焦于Crypto特定应用场景。
Nillion所提出的盲计算框架,虽然也未实现大规模应用,但其一体化的加密解决方案,很可能在AI可验证计算、机器学习等更广泛的数据保护领域得以通用化采纳。
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
特朗普当选即将满月,全球市场的“好戏”才刚刚开始!
摩根大通、富国银行和美国银行发放的89670000000美元风险越来越大的贷款:报告
一份新的报告显示,美国最大的银行报告称,其资产负债表上不合标准、可疑和潜在亏损的贷款数量迅速增加。