Tahun ini September, bidang kriptografi mengalami kemajuan menarik—sebuah perpustakaan FHE open-source meningkatkan performa langsung sebesar 80%, hal ini tampaknya detail teknis, tetapi dampaknya cukup besar.
Bagaimana sebenarnya terobosan ini dilakukan? Ada beberapa poin utama: kecepatan operasi ciphertext meningkat dari sebelumnya 80 kali lebih lambat langsung dioptimalkan menjadi hanya 15 kali lebih lambat, jarak ini tidak kecil; yang lebih penting adalah untuk pertama kalinya menjalankan komputasi privasi waktu nyata di GPU kelas konsumen, sebelumnya ini hanya bisa dilakukan di server; juga mendukung kompresi ciphertext kurva elips, sehingga volume data dapat berkurang secara signifikan.
Mina, Aztec, dan blockchain privasi lainnya sudah mengumumkan akan mengintegrasikan, profesor kriptografi dari Princeton juga menyuarakan—teknologi ini membuat "penerapan perlindungan privasi yang benar di blockchain tanpa bergantung pada trusted execution environment" menjadi kenyataan, sebelumnya ini hanya ruang imajinasi, sekarang benar-benar bisa direalisasikan.
Dalam aplikasi, voting pribadi, analisis data medis, transaksi keuangan rahasia, semua skenario ini bisa dikembangkan. Singkatnya, terobosan ini seperti memasang mesin baru untuk komputasi privasi.
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
11 Suka
Hadiah
11
5
Posting ulang
Bagikan
Komentar
0/400
ShadowStaker
· 14jam yang lalu
ngl optimisasi dari 80x ke 15x ini benar-benar mengesankan, tapi komputasi GPU konsumen untuk fhe? itu yang sebenarnya menjadi plot twist di sini. sudah skeptis tentang rantai privasi yang membutuhkan fallback tee selamanya, jadi jika ini benar-benar bertahan di bawah beban jaringan nyata... mungkin. meskipun integrasi aztec dan mina yang cepat membuat saya curiga — biasanya berarti siklus hype pemasaran akan datang lol
Lihat AsliBalas0
SchrodingerPrivateKey
· 14jam yang lalu
80 kali dioptimalkan menjadi 15 kali? Sekarang perhitungan privasi benar-benar akan melesat, kartu grafis kelas konsumsi mampu menjalankan perhitungan waktu nyata ini benar-benar luar biasa
Lihat AsliBalas0
ContractHunter
· 14jam yang lalu
80 kali dioptimalkan menjadi 15 kali, ini benar-benar hebat... Kartu grafis kelas konsumsi bisa menjalankan komputasi privasi, ini adalah terobosan besar
Lihat AsliBalas0
PanicSeller
· 14jam yang lalu
Wah, kartu grafis kelas konsumsi bisa menjalankan komputasi privasi? Jika ini benar, Aztec pasti akan melesat.
Lihat AsliBalas0
GasFeeCrier
· 14jam yang lalu
WTF, kartu grafis kelas konsumsi langsung menjalankan komputasi privasi? Ini benar-benar demokratisasi, sebelumnya semuanya dikuasai oleh server.
Tahun ini September, bidang kriptografi mengalami kemajuan menarik—sebuah perpustakaan FHE open-source meningkatkan performa langsung sebesar 80%, hal ini tampaknya detail teknis, tetapi dampaknya cukup besar.
Bagaimana sebenarnya terobosan ini dilakukan? Ada beberapa poin utama: kecepatan operasi ciphertext meningkat dari sebelumnya 80 kali lebih lambat langsung dioptimalkan menjadi hanya 15 kali lebih lambat, jarak ini tidak kecil; yang lebih penting adalah untuk pertama kalinya menjalankan komputasi privasi waktu nyata di GPU kelas konsumen, sebelumnya ini hanya bisa dilakukan di server; juga mendukung kompresi ciphertext kurva elips, sehingga volume data dapat berkurang secara signifikan.
Mina, Aztec, dan blockchain privasi lainnya sudah mengumumkan akan mengintegrasikan, profesor kriptografi dari Princeton juga menyuarakan—teknologi ini membuat "penerapan perlindungan privasi yang benar di blockchain tanpa bergantung pada trusted execution environment" menjadi kenyataan, sebelumnya ini hanya ruang imajinasi, sekarang benar-benar bisa direalisasikan.
Dalam aplikasi, voting pribadi, analisis data medis, transaksi keuangan rahasia, semua skenario ini bisa dikembangkan. Singkatnya, terobosan ini seperti memasang mesin baru untuk komputasi privasi.