encriptação totalmente homomórfica FHE: uma ferramenta de proteção de privacidade na era da IA

Recentemente, embora o mercado de encriptação esteja relativamente calmo, algumas novas tecnologias estão gradualmente amadurecendo. Dentre elas, a encriptação totalmente homomórfica (Fully Homomorphic Encryption, abreviada como FHE) é um campo que merece atenção. Em maio deste ano, o fundador da Ethereum, Vitalik Buterin, publicou um artigo sobre FHE, que gerou ampla discussão na indústria.

Para entender este conceito complexo de FHE, precisamos começar pela base, entendendo o que é "encriptação", "homomórfico" e por que devemos ser "totalmente".

Encriptação: os conceitos básicos

A forma de encriptação mais simples é bem conhecida por todos nós. Por exemplo, se a Alice quiser enviar um número secreto ao Bob, "1314 520", mas não quiser que um terceiro que transmite a mensagem conheça o conteúdo. Ela pode usar uma regra simples de encriptação: multiplicar cada número por 2. Assim, a mensagem transmitida torna-se "2628 1040". Quando o Bob a recebe, ele só precisa dividir cada número por 2 para conseguir decifrar a informação original. Este é um processo básico de encriptação simétrica.

Características da Criptografia homomórfica

A criptografia homomórfica vai um passo além. Suponha que Alice só saiba fazer as operações básicas de multiplicar por 2 e dividir por 2, mas ela precisa calcular uma conta de eletricidade complexa: 400 yuan por mês, devendo 12 meses. Alice não consegue fazer essa multiplicação complexa, mas não quer que ninguém saiba o valor exato. Então ela pode fazer o seguinte: multiplicar 400 por 2 para obter 800, multiplicar 12 por 2 para obter 24, e depois pedir a um calculador confiável para ajudá-la a calcular 800 multiplicado por 24. Depois que o calculador obtiver o resultado 19200, Alice divide por 2 duas vezes e assim chega à resposta correta de 4800 yuan.

Este é um exemplo simples de encriptação homomórfica de multiplicação. Permite realizar cálculos em dados encriptados sem a necessidade de os desencriptar. Esta abordagem torna possível delegar cálculos a terceiros não confiáveis, enquanto protege a segurança dos dados sensíveis.

encriptação totalmente homomórfica

No entanto, a encriptação homomórfica simples tem limitações. Por exemplo, se o calculador for suficientemente inteligente, pode conseguir quebrar os dados originais através de força bruta. Isso requer um método de encriptação mais complexo, ou seja, encriptação totalmente homomórfica.

A encriptação totalmente homomórfica permite realizar operações de adição e multiplicação em dados encriptados um número arbitrário de vezes, e não se limita a operações específicas. Isso aumenta significativamente a dificuldade de quebra, permitindo que até operações polinomiais complexas sejam realizadas sob a premissa de proteção da privacidade.

A encriptação totalmente homomórfica só obteve avanços significativos em 2009. As novas abordagens propostas por Gentry e outros acadêmicos abriram novas possibilidades para essa tecnologia.

A aplicação da FHE no campo da IA

A tecnologia FHE tem um vasto potencial de aplicação na área da IA. É bem conhecido que sistemas de IA poderosos precisam de grandes volumes de dados para treinamento, mas muitos dados são altamente sensíveis. A FHE pode resolver bem essa contradição:

1. Usar o método FHE para encriptar dados sensíveis
2. Treinar o modelo de IA com dados encriptados
3. AI produz resultados encriptados

Modelos de IA não supervisionados podem processar diretamente esses dados encriptados, pois a entrada é essencialmente um vetor para eles. Enquanto isso, os proprietários dos dados podem descriptografar os resultados de forma segura localmente. Isso alcança o objetivo de utilizar a poderosa capacidade de cálculo da IA enquanto protege a privacidade.

Exemplos de projetos FHE

Atualmente, vários projetos estão explorando a tecnologia FHE, como Zama, Mind Network, Fhenix, entre outros. Tomando como exemplo um projeto investido por uma plataforma de negociação, ele propôs um cenário de aplicação interessante: reconhecimento facial. Através da tecnologia FHE, é possível determinar se é uma pessoa real sem acessar os dados faciais originais.

No entanto, a computação FHE requer um enorme suporte de poder computacional. Assim, o projeto propôs uma arquitetura de rede híbrida de PoW e PoS para resolver o problema de poder computacional. Recentemente, também lançaram hardware de mineração dedicado e um NFT especial "certificado de trabalho", tentando fornecer incentivos de poder computacional enquanto evitam riscos regulatórios.

A importância da ETH

Se a IA puder aplicar em larga escala a tecnologia FHE, isso aliviará significativamente a pressão atual sobre a segurança dos dados e a proteção da privacidade. Desde a segurança nacional até a privacidade pessoal, a FHE pode se tornar um meio importante de proteção.

Na iminente era da IA, a maturidade da tecnologia FHE pode tornar-se a última linha de defesa na proteção da privacidade humana. Quer nas aplicações comerciais, quer no campo da investigação, espera-se que o FHE desempenhe um papel importante no futuro.