ما هو FHE (التشفير المتماثل بالكامل)؟ دليل رئيس الوزراء الجديد

تسمح تقنية التشفير المتماثل بالكامل بإجراء العمليات الحسابية مباشرةً على البيانات المشفرة، مما يؤدي إلى نتائج تتوافق مع تلك التي تم الحصول عليها من نفس العمليات الحسابية على البيانات الأصلية. هذا يعني أنه يمكن معالجة البيانات وتحليلها دون الكشف عن البيانات الأصلية، مما يوفر حلاً جديدًا لحماية خصوصية البيانات وسلامتها.

في العصر الرقمي، أصبحت حماية خصوصية البيانات أكثر أهمية من أي وقت مضى. فمع التطور السريع للبيانات الضخمة والحوسبة السحابية وتكنولوجيا إنترنت الأشياء، أصبح جمع المعلومات الشخصية وتخزينها وتحليلها أمرًا شائعًا بشكل متزايد. ومع ذلك، فإن هذا يجلب أيضًا خطر اختراق البيانات وإساءة استخدامها.

يعود الأساس النظري ل FHE إلى عام 1978، عندما اقترح ريفست وآخرون أول مشكلة تشفير متماثل الشكل. لم يكن حتى عام 2009 عندما قام جينتري ببناء أول مخطط تشفير متماثل الشكل قابل للتطبيق في أطروحته للدكتوراه، مما يمثل البداية الحقيقية لأبحاث التشفير المتماثل الشكل.

كانت مخططات التهجين الهيدروجيني الحراري الحراري المبكرة ذات كفاءة حسابية منخفضة للغاية، مما يجعلها غير عملية للتطبيقات الواقعية. ولكن، مع التحسينات المستمرة التي يجريها الباحثون، تحسّن أداء التهجين الهيدروجيني الحراري الحراري بشكل ملحوظ، مع التركيز على تعزيز الكفاءة وتقليل التعقيد الحسابي وتوسيع سيناريوهات التطبيق.

مسارات التنفيذ التقني للتربية الصحية المالية

المخططات المثالية القائمة على الشبكة المثالية للتدفئة الصحية الأسرية

هذه هي الطريقة الأكثر عملية وفعالية في الوقت الحالي لبناء التشفير الحراري الحراري. وهي تستخدم البنية الجبرية لعمليات الحلقة، وتقوم بالتشفير وفك التشفير من خلال عمليات معيارية وتحلل العوامل المثالية للحلقة. تتضمن المخططات التمثيلية BGV و BFV و CKKS. وتتمثل ميزة هذه المخططات في الكفاءة الحسابية العالية، لكنها تتطلب مساحة أكبر للمفتاح والنص المشفر.

مخططات التعليم والتدريب المهني العالي القائمة على المصفوفة

يقوم هذا النهج بتشفير معلومات النص العادي في مصفوفات ويحقق التماثل من خلال عمليات المصفوفة. تتضمن المخططات التمثيلية GSW و HiNC. هذه المخططات آمنة للغاية ولكنها أقل كفاءة.

مخططات التعليم والتدريب المهني العالي القائمة على NTRU

تتميز NTRU (وحدة أبحاث نظرية الأعداد) ببنية جبرية جيدة وتناظر دوري، مما يسمح ببناء مخططات FHE فعالة مثل YASHE و NTRU-FHE. تتمتع هذه المخططات بميزة أحجام المفاتيح والنصوص المشفرة الأصغر، مما يجعلها مناسبة للبيئات محدودة الموارد.

خطط التعليم الصحي الحر/المياه والموارد المائية القائمة على LWE/موارد المياه العذبة

باستخدام مخططات التشفير القائمة على مشكلة LWE/LWR، مثل FHEW و TFHEW، تركز هذه المخططات بشكل أكبر على الابتكار النظري ويمكنها تحقيق أمان قوي للغاية، على الرغم من أن التطبيق العملي محدود.

FHE ضد ZKP

FHE و ZKP كلاهما تقنيتا تشفير، ولكنهما متكاملتان تقريبًا.

تسمح ZKP للمثبت أن يثبت للمحقق صحة جزء من المعلومات دون الكشف عن تفاصيل محددة. يمكن للمدقق أن يؤكد صحة واكتمال المعلومات دون إعادة تنفيذ العملية الحسابية. في حين يمكن ل ZKP إثبات صحة المعلومات دون تسريب معلومات، فإن مدخلاتها عادةً ما تكون في شكل نص عادي، مما قد يؤدي إلى تسريبات الخصوصية.

يمكن لـ FHE حل هذه المشكلة. فهو يسمح بإجراء حسابات عشوائية على البيانات المشفرة دون فك التشفير، وبالتالي حماية خصوصية البيانات. ومع ذلك، لا يمكن ل FHE ضمان صحة وموثوقية العمليات الحسابية، وهو بالضبط ما تعالجه ZKP.

من خلال الجمع بين FHE و ZKP، يحمي FHE خصوصية البيانات المدخلة والعمليات الحسابية، بينما يوفر ZKP براهين مشفرة على صحة وشرعية وقابلية التدقيق لعمليات حوسبة FHE. وهذا يحقق حوسبة الخصوصية الآمنة والجديرة بالثقة حقًا، وهو أمر ذو قيمة عالية لمعالجة البيانات الحساسة والحوسبة التعاونية متعددة الأطراف.

زاما: شركة رائدة في مجال التعليم الصحي الأسري

Zama هي شركة تشفير مفتوحة المصدر تقوم ببناء حلول تشفير مفتوحة المصدر متطورة للبلوك تشين والذكاء الاصطناعي. وهي تقدم أربعة حلول رئيسية مفتوحة المصدر:

• TFHE-rs: تطبيق Rust للتشفير المتماثل بالكامل على Torus، يُستخدم لتنفيذ العمليات المنطقية والصحيحة على البيانات المشفرة. تقوم مكتبة TFHE-rs بتنفيذ متغير Zama من TFHE، والذي يتضمن جميع العمليات المتجانسة الضرورية مثل الجمع وتقييم الدالة عبر التمهيد القابل للبرمجة.
• الخرسانة: إطار عمل مفتوح المصدر للتقنية الهيدروكربونية المالية يتضمن محول برمجي TFHE كجزء من الإطار، يحول كود البرمجة العادية إلى تعليمات تشغيلية قابلة للتنفيذ بواسطة تقنية FHE، مما يسهل على المطورين كتابة برامج FHE. احتمالية الخطأ الافتراضية في كونكريت منخفضة جدًا، ويمكن للمطورين تعديل هذه المعلمة بمرونة.
• خرسانة ML: أداة مفتوحة المصدر للحفاظ على الخصوصية في التعلّم الآلي (PPML) مبنية على كونكريت، مما يسمح للمطورين بدمج التشفير الآلي في نماذج التعلّم الآلي دون الحاجة إلى معرفة التشفير.
• ف هيفم: يدمج FHE في نظام EVM البيئي، مما يتيح للمطورين تنفيذ عقود ذكية مشفرة على السلسلة، مع الحفاظ على قابلية التركيب مع حماية خصوصية البيانات على السلسلة. وهو يدمج TFHE-rs ويقدم مكتبة TFHE Solidity الجديدة، مما يسمح للمطورين بالحساب على البيانات المشفرة باستخدام Solidity.

فينيكس الرولوب الأول فينيكس

فينيكس هو أول الطبقة الثانية، حيث يبني مكتبة الحوسبة المشفرة الخاصة به، fheOS، على TFHE-rs من زاما. وهي تتضمن رموز عمليات التشفير الشائعة المجمعة مسبقًا، مما يسمح للعقود الذكية باستخدام أساسيات FHE على السلسلة. كما تتعامل fheOS أيضًا مع الاتصال والمصادقة بين الرول آب وشبكة خدمة العتبة (TSN) لطلبات فك التشفير وإعادة التشفير، مما يضمن شرعية طلبات فك التشفير. تم تصميم fheOS ليكون امتدادًا يتم حقنه في أي إصدار موجود من EVM، وهو متوافق تمامًا مع EVM.

تستخدم آلية الإجماع في فينيكس مُثبت النيترو من Arbitrum. وقد تم اختيار إثبات الاحتيال لأن الهياكل الأساسية لـ FHE و zkSNARK تختلف، مما يجعل من المستحيل تقريباً التحقق من صحة حسابات FHE باستخدام ZKP في المرحلة التكنولوجية الحالية.

دخلت Fhenix مؤخرًا في شراكة مع EigenLayer لتطوير معالجات مشتركة لـ FHE، مما يوفر حسابات FHE لسلاسل عامة أخرى، L2 و L3 وغيرها. وبالنظر إلى أن Fhenix تتصدى للاحتيال مع فترة تحدٍ مدتها 7 أيام، يمكن أن تساعد خدمة EigenLayer المعالجات المشتركة في تحقيق تأكيد سريع للمعاملات، مما يحسن الأداء بشكل كبير.

شبكة Inco Network: السرية كخدمة

Inco هي طبقة حوسبة موثوقة معيارية من الطبقة 1، تعمل كطبقة خصوصية عالمية لـ Web3. وهي تدعم fhEVM، مما يتيح للمطورين إنشاء تطبيقات Dapps خاصة بسرعة باستخدام أدوات تطوير النظام البيئي Solidity وEthhereum. توفر Inco خدمة CaaS (السرية كخدمة) لسلاسل EVM و Cosmos التي تفتقر إلى التشفير الأصلي من خلال بروتوكولات التجسير و IBC. تشمل خدمات CaaS ما يلي:

• الحالة المشفرة على السلسلة: تخزين البيانات المشفرة مباشرة على السلسلة دون تخزينها خارج السلسلة.
• الحالة المشفرة القابلة للتركيب: تنفيذ انتقالات الحالة بالكامل على البيانات المشفرة على السلسلة دون فك التشفير.
• العشوائية على السلسلة: توليد أرقام عشوائية على السلسلة للتطبيقات بدون خدمات عشوائية خارجية، مما يتيح تطوير التطبيقات مباشرة على السلسلة.

لدى Inco بالفعل العديد من حالات الاستخدام، مثل الألعاب، و NFTs، و RWA، وحوكمة التصويت، و DID.

شبكة العقل: طبقة إعادة تكوين طبقة FHE

Mind هي أول طبقة إعادة تخزين FHE مصممة خصيصًا لشبكات الذكاء الاصطناعي ونقاط البيع. وباعتبارها طبقة إعادة أخذ، فإنها تقبل إعادة أخذ التوكنات من ETH وBTC وشركات الذكاء الاصطناعي الرائدة في مجال الرهان. وباعتبارها شبكة للتحقق من صحة البيانات المالية، فهي تستخدم تقنية FHE للتحقق من بيانات العقدة والتوصل إلى توافق في الآراء بشأنها، مما يضمن سلامة البيانات وأمانها. توفر Mind الأمن الاقتصادي لشبكات الذكاء الاصطناعي اللامركزي، وDebin، وEigenLayer AVS، وBabylon AVS، وشبكات نقاط البيع الرئيسية، مما يحافظ على إجماع النظام وموثوقيته.

• إعادة تشكيل الطبقة: تتعاون مع EigenLayer وStakeStone وRenzo وBabylon وAnkr للأمان من شبكات الإيثيريوم والبيتكوين؛ وتتعاون مع Chainlink CCIP وConnext لإعادة الاستلام عن بُعد عبر السلاسل.
• طبقة الأمان: تقديم أدوات التحقق المعززة بـ FHE لضمان التشفير الشامل لعمليات التحقق وحساب الإجماع، ودمج وحدات Fhenix وFhEVM من Inco لتعزيز الأمن.
• طبقة الإجماع: تقدم آلية إجماع لإثبات الذكاء (POI) مصممة لمهام الذكاء الاصطناعي، مما يضمن توزيع المكافآت بشكل عادل وآمن بين مدققي الذكاء الاصطناعي. تتعاون Mind Network مع AltLayer وEigenDA وArbitrum Orbit لإطلاق سلاسل التجميع، مما يعزز حوسبة الإجماع بتكاليف أقل وأداء أسرع.

بريفاسيا دليل الإنسان

Privasea هي شبكة Depin+AI للتعلم الآلي FHE، تضم المكونات الأساسية التالية:

• مكتبة HESea: مكتبة FHE متقدمة تتيح الحوسبة الآمنة على البيانات المشفرة، وتدعم مخططات FHE المختلفة مثل TFHE وCKKKS وBGV/BFV.
• واجهة برمجة تطبيقات Privasea API: واجهة برمجة التطبيقات لشبكة Privasea للذكاء الاصطناعي، التي توفر وظائف ونقاط نهاية لتبسيط إرسال البيانات وتدريب النماذج والتنبؤات، وضمان التشفير أثناء الإرسال والمعالجة.
• بريفانيتيكس: شبكة حوسبة لا مركزية من عقد عالية الأداء تعالج البيانات المشفرة بكفاءة، حيث تدمج كل عقدة مكتبة HESea لخصوصية البيانات والأداء الحسابي.
• مجموعة بريفاسيا للعقود الذكية: آلية حوافز قائمة على البلوك تشين لتتبع تسجيل عقدة Privanetix ومساهماتها، والتحقق من الحسابات، وتوزيع المكافآت، وضمان تحفيز المشاركين وتحقيق العدالة.

أطلقت شركة Privasea تطبيق ImHuman، الذي يعمل على تطوير تطبيق إثبات بشرية قائم على FHE للتحقق من إنسانية المستخدم، وحماية هويته الرقمية من انتحال الروبوت والذكاء الاصطناعي. يمكن للمستخدمين التحقق من إنسانيتهم من خلال القياسات الحيوية للوجه، وإنشاء NFT فريد من نوعه كدليل على الهوية البشرية. يسمح ImHuman للمستخدمين بتأكيد هويتهم بشكل آمن على منصات Web3 و Web2 دون الكشف عن التفاصيل الشخصية.

الخاتمة

في DeFi، يتيح نظام FHE المعاملات وتدفقات الأموال دون الكشف عن المعلومات المالية الحساسة، مما يحمي خصوصية المستخدم ويقلل من مخاطر السوق. قد تقدم أيضًا حلاً لمشكلة MEV. في ألعاب البلوكتشين، تضمن تقنية FHE حماية نتائج اللاعبين وتقدمهم في حالة مشفرة مع السماح بتشغيل منطق اللعبة على السلسلة دون الكشف عن البيانات، مما يعزز العدالة والأمان.

في مجال الذكاء الاصطناعي، تتيح تكنولوجيا الصحة والسلامة المهنية التحليل والتدريب على النماذج على البيانات المشفرة، وحماية خصوصية البيانات وتعزيز مشاركة البيانات والتعاون بين المؤسسات، مما يؤدي إلى تطبيقات ذكاء اصطناعي أكثر أمانًا وتوافقًا.

وعلى الرغم من التحديات التي يواجهها التعليم الحراري الحراري المالي من حيث التطبيق العملي والكفاءة، إلا أن أساسه النظري الفريد من نوعه يوفر الأمل في التغلب على هذه العقبات. في المستقبل، من المتوقع أن يكون للتخصيب الحراري الحراري الحراري تأثير كبير على

تحسين الأداء وتوسيع سيناريوهات التطبيقات من خلال تحسين الخوارزمية وتسريع الأجهزة، مما يوفر أساسًا أكثر قوة لحماية خصوصية البيانات والحوسبة الآمنة.