Perspectivas y desafíos de la comercialización de la tecnología de Cifrado homomórfico FHE

El cifrado homomórfico (Fully Homomorphic Encryption, FHE) es una tecnología con un gran potencial en el campo de la criptografía. Permite realizar cálculos directamente sobre datos cifrados sin necesidad de descifrarlos, lo que proporciona un fuerte apoyo a la protección de la privacidad y al procesamiento de datos. El FHE se puede aplicar ampliamente en varios campos, como finanzas, atención médica, computación en la nube, aprendizaje automático, sistemas de votación, Internet de las cosas y protección de la privacidad en blockchain. Sin embargo, a pesar de las amplias perspectivas de aplicación, el camino hacia la comercialización del FHE aún enfrenta numerosos desafíos.

Potencial y escenarios de aplicación de FHE

La mayor ventaja del cifrado homomórfico (FHE) radica en la protección de la privacidad. Por ejemplo, una empresa necesita utilizar la capacidad de cálculo de otra empresa para analizar datos, pero no desea que la otra parte tenga acceso al contenido de los datos. En este caso, el propietario de los datos puede transferir datos encriptados al analista para su análisis, manteniendo los resultados en estado encriptado, de modo que el propietario de los datos pueda obtener los resultados del análisis una vez que los descifre. Este mecanismo protege eficazmente la privacidad de los datos, al mismo tiempo que permite al analista completar el trabajo requerido.

Para industrias sensibles a los datos como las finanzas y la salud, este mecanismo de protección de la privacidad es especialmente importante. Con el desarrollo de la computación en la nube y la inteligencia artificial, la seguridad de los datos se ha convertido cada vez más en un foco de atención. El Cifrado homomórfico (FHE) puede proporcionar protección de computación multipartita en estos escenarios, permitiendo que las partes colaboren sin exponer información privada. En la tecnología blockchain, el FHE mejora la transparencia y la seguridad del procesamiento de datos a través de funciones como la protección de la privacidad en la cadena y la revisión de transacciones privadas.

Comparación de FHE con otros métodos de encriptación

En el ámbito de Web3, FHE, prueba de cero conocimiento (ZK), cálculo multipartito (MPC) y entorno de ejecución confiable (TEE) son los principales métodos de protección de la privacidad. A diferencia de ZK, FHE puede realizar múltiples operaciones sobre datos encriptados sin necesidad de descifrar los datos primero. MPC permite que las partes realicen cálculos sin compartir información privada, incluso en caso de que los datos estén encriptados. TEE proporciona un entorno seguro para el cálculo, pero la flexibilidad en el procesamiento de datos es relativamente limitada.

Estas tecnologías de encriptación tienen sus ventajas, pero en términos de soporte para tareas de cálculo complejas, el FHE se destaca especialmente. Sin embargo, el FHE aún enfrenta problemas de alto costo computacional y mala escalabilidad en aplicaciones prácticas, lo que a menudo lo hace insuficiente en aplicaciones en tiempo real.

Limitaciones y desafíos del FHE

A pesar de que la base teórica de FHE es sólida, se han encontrado desafíos prácticos en su aplicación comercial:

1. Costos de cálculo a gran escala: FHE requiere una gran cantidad de recursos de cálculo, y en comparación con el cálculo no encriptado, los costos de cálculo aumentan significativamente. Para operaciones de polinomios de alto grado, el tiempo de procesamiento crece de manera polinómica, lo que dificulta satisfacer las demandas de cálculo en tiempo real. Reducir costos depende de la aceleración por hardware dedicado, pero esto también aumenta la complejidad de la implementación.

2. Capacidad operativa limitada: FHE puede ejecutar la adición y multiplicación de datos encriptados, pero el soporte para operaciones no lineales complejas es limitado, lo que representa un cuello de botella para aplicaciones de inteligencia artificial que involucran redes neuronales profundas. Actualmente, los esquemas de FHE todavía son principalmente adecuados para cálculos lineales y polinómicos simples, y las aplicaciones de modelos no lineales están significativamente restringidas.

3. Complejidad del soporte multiusuario: FHE funciona bien en escenarios de un solo usuario, pero la complejidad del sistema aumenta drásticamente cuando se trata de conjuntos de datos multiusuario. El marco FHE de múltiples claves propuesto en 2013 permite la operación de conjuntos de datos encriptados con diferentes claves, pero la complejidad de la gestión de claves y la arquitectura del sistema aumenta significativamente.

La combinación de FHE e inteligencia artificial

En la actual era impulsada por datos, la inteligencia artificial (IA) se aplica ampliamente en múltiples campos, pero las preocupaciones sobre la privacidad de los datos hacen que los usuarios no deseen compartir información sensible. El Cifrado homomórfico (FHE) proporciona una solución de protección de la privacidad en el ámbito de la IA. En el contexto de la computación en la nube, los datos suelen estar encriptados durante la transmisión y el almacenamiento, pero a menudo están en estado de texto plano durante el procesamiento. A través del FHE, los datos de los usuarios pueden procesarse manteniendo su estado encriptado, asegurando así la privacidad de los datos.

Esta ventaja es especialmente importante bajo regulaciones como el GDPR, que exigen que los usuarios tengan derecho a ser informados sobre cómo se procesan sus datos y garantizan que los datos estén protegidos durante la transmisión. La encriptación de extremo a extremo de FHE proporciona garantías de cumplimiento y seguridad de los datos.

Aplicaciones actuales de FHE en blockchain y proyectos

La aplicación de FHE en la cadena de bloques se centra principalmente en la protección de la privacidad de los datos, incluyendo la privacidad en la cadena, la privacidad de los datos de entrenamiento de IA, la privacidad en la votación en la cadena y la revisión de transacciones privadas en la cadena, entre otros aspectos. Actualmente, varios proyectos utilizan la tecnología FHE para promover la realización de la protección de la privacidad:

• La tecnología construida por un proveedor de soluciones FHE se utiliza ampliamente en varios proyectos de protección de la privacidad.
• Un proyecto basado en la tecnología TFHE, enfocado en operaciones booleanas y operaciones con enteros de bajo tamaño, ha construido una pila de desarrollo FHE para aplicaciones de blockchain e IA.
• Hay proyectos que han desarrollado un nuevo lenguaje de contratos inteligentes y una biblioteca de Cifrado homomórfico, adecuados para redes de blockchain.
• Un proyecto utiliza el Cifrado homomórfico para implementar la protección de la privacidad en redes de cálculo de IA, soportando múltiples modelos de IA.
• Otro proyecto combina FHE con inteligencia artificial, proporcionando un entorno de IA descentralizado y que protege la privacidad.
• También hay proyectos que funcionan como soluciones de Layer 2 para Ethereum, que soportan Rollups FHE y Coprocesadores FHE, son compatibles con EVM y soportan contratos inteligentes escritos en Solidity.

Conclusión

FHE como una tecnología avanzada que puede realizar cálculos sobre datos encriptados, tiene ventajas significativas en la protección de la privacidad de los datos. Aunque la aplicación comercial actual de FHE todavía enfrenta problemas de alto costo computacional y mala escalabilidad, a través de la aceleración de hardware y la optimización de algoritmos, se espera que estos problemas se resuelvan gradualmente. Además, con el desarrollo de la tecnología blockchain, FHE jugará un papel cada vez más importante en la protección de la privacidad y el cálculo seguro. En el futuro, FHE podría convertirse en la tecnología central que respalde el cálculo de protección de la privacidad, trayendo nuevos avances revolucionarios a la seguridad de los datos.