ผู้เขียน: David C, แหล่งที่มา: Bankless, แปลโดย: Shaw 金色财经
เนื่องจากความกังวลเกี่ยวกับการเฝ้าระวังและการพัฒนาข้อมูลเพิ่มมากขึ้นในหมู่ผู้คน สาขาคริปโตเคอเรนซี่ได้เร่งการรวมเทคโนโลยีการเพิ่มความเป็นส่วนตัว (PET) เข้ากับโครงสร้างพื้นฐานหลักของตนในช่วงเวลาที่ผ่านมา.
บล็อกเชนถูกออกแบบมาให้โปร่งใสอย่างสมบูรณ์ แม้ว่าภาคอุตสาหกรรมการเข้ารหัสมักให้ความสำคัญกับวิธีการรักษาความเป็นส่วนตัว (เช่น Token Mixer หรือโทเค็นที่เน้นความเป็นส่วนตัว) แต่ก็ยังพยายามขยายขอบเขตของความเป็นส่วนตัว (เหนือกว่าการทำธุรกรรม DeFi และการชำระเงินแบบง่าย) โดยไม่จำกัดความเป็นส่วนตัวไว้ที่เครือข่ายเฉพาะ
ด้วยการที่บล็อกเชนถูกนำไปใช้มากขึ้นในการฝึกอบรมปัญญาประดิษฐ์และการจัดหาเงินทุนขององค์กร การนำเทคโนโลยีเข้ารหัสทางเลือกมาใช้ก็ได้รับความนิยมเพิ่มขึ้นเรื่อยๆ โดยเฉพาะอย่างยิ่งสี่เทคโนโลยีที่ได้รับความนิยม ได้แก่ การคำนวณหลายฝ่าย ( MPC ), การเข้ารหัสแบบโฮโมมอร์ฟิกสมบูรณ์ ( FHE ), สภาพแวดล้อมการดำเนินการที่เชื่อถือได้ ( TEE ) และชั้นความปลอดภัยการส่งข้อมูลแบบไม่มีความรู้ ( zkTLS ).
บทความนี้มีวัตถุประสงค์เพื่อแสดงให้เห็นถึงบทบาท การใช้งาน และโครงการหลักที่อิงจากเทคโนโลยีแต่ละประเภทในการเสริมสร้างความเป็นส่วนตัว
การคำนวณแบบหลายฝ่าย (MPC)
MPC เป็นการคำนวณแบบกระจายที่อนุญาตให้หลายกลุ่มร่วมกันคำนวณบางสิ่งโดยไม่เปิดเผยข้อมูลของตนเอง.
สมมติว่าคุณและเพื่อนอีกห้าคนต้องการคำนวณค่าเฉลี่ยของเงินเดือนของพวกคุณ แต่ไม่ต้องการเปิดเผยจำนวนเงินที่แน่นอน ทุกคนจะทำการแบ่งเงินเดือนของตนออกเป็นหกส่วนแบบสุ่ม โดยแต่ละคนจะได้รับหนึ่งส่วน ทุกคนถือหนึ่งส่วน แต่ไม่มีใครสามารถย้อนกลับไปหาจำนวนเงินเดือนของคนอื่นได้ เพราะพวกเขามีเพียงหนึ่งในหกส่วนที่จำเป็นสำหรับเงินเดือน ทุกคนจะคำนวณจากหกส่วนนี้ แทนที่จะคำนวณจากเงินเดือนต้นฉบับ ผลลัพธ์เหล่านี้จะถูกรวมกันเพื่อนับค่าเฉลี่ยสุดท้าย โดยที่ไม่มีใครรู้จำนวนเงินเดือนที่แน่นอน
เมื่อข้อกำหนดด้านกฎระเบียบหรือความกังวลเกี่ยวกับการแข่งขันขัดขวางการแบ่งปันข้อมูลโดยตรง แต่การวิเคราะห์ร่วมสามารถทำให้ทุกฝ่ายได้ประโยชน์ MPC จึงมีความสำคัญโดยเฉพาะอย่างยิ่ง ตัวอย่างที่ชัดเจนคือ โรงพยาบาลหลายแห่งต้องการใช้ข้อมูลผู้ป่วยในการฝึก AI — กฎหมายและระเบียบข้อบังคับห้ามการแบ่งปันข้อมูลทางการแพทย์ที่ละเอียดอ่อน แต่ MPC สามารถทำให้การฝึกอบรมร่วมกันเกิดขึ้นได้โดยไม่ต้องแบ่งปันข้อมูลจริง
! XrVj0uUlyXvjuxlx0nYGBRavzI6i7XXnkL5kS41A.jpeg
อุปสรรคของ MPC
เมื่อมีผู้เข้าร่วมในเครือข่ายการคำนวณหลายฝ่ายมากขึ้น ความยากในการจัดการก็เพิ่มขึ้น ระบบจำเป็นต้องส่งข้อความมากขึ้นระหว่างผู้เข้าร่วม และข้อจำกัดของความจุอินเทอร์เน็ตอาจทำให้ความเร็วช้าลง ทุกคนต้องทำการคำนวณมากขึ้น ใช้พลังการคำนวณมากขึ้น แม้ว่าเทคโนโลยีบล็อกเชนสามารถหยุดการโกงได้โดยการลงโทษผู้กระทำผิดที่อาจร่วมมือกันในเครือข่าย แต่ก็ไม่สามารถแก้ปัญหาเกี่ยวกับทรัพยากรและพลังการคำนวณเหล่านี้ได้
ใครกำลังใช้ MPC? ใช้เพื่อวัตถุประสงค์ใด?
- Fireblocks——หน่วยงานเก็บรักษาที่ใช้ MPC ในการแบ่งคีย์ส่วนตัวระหว่างอุปกรณ์ เพื่อให้แน่ใจว่าคีย์ทั้งหมดจะไม่มีวันรั่วไหล.
- Arcium——เครือข่ายที่ไม่ขึ้นอยู่กับบล็อกเชนสำหรับการประมวลผล AI ส่วนตัวและงานที่ละเอียดอ่อนโดยใช้ MPC.
- Renegade——สระว่ายน้ำลับบนเชนที่ใช้ MPC สำหรับการทำธุรกรรมที่เป็นความลับ.
การเข้ารหัสโฮโมมอร์ฟิกแบบสมบูรณ์ (FHE)
FHE อนุญาตให้การประมวลผลข้อมูลโดยไม่ต้องถอดรหัส ซึ่งหมายความว่าข้อมูลที่ละเอียดอ่อนยังคงอยู่ในสถานะเข้ารหัสในระหว่างการจัดเก็บ การส่ง และการวิเคราะห์
ในปัจจุบัน ข้อมูลจะถูกเข้ารหัสในระหว่างการส่ง แต่ต้องถอดรหัสเพื่อให้สามารถประมวลผลได้ ซึ่งทำให้เกิดช่องโหว่ตัวอย่าง เมื่อฉันส่งภาพไปยังคลาวด์ มันจะถูกเข้ารหัสในระหว่างการส่ง แต่เมื่อถึงที่หมายจะถูกถอดรหัส FHE ขจัดขั้นตอนการถอดรหัสนี้ - ข้อมูลจะยังคงถูกเข้ารหัสตลอดกระบวนการคำนวณ ทำให้ปกป้องข้อมูลในระหว่างการใช้งานอย่างแข็งขัน
นึกภาพ FHE ว่าเป็นตู้นิรภัยที่มีการล็อคและถุงมือที่สามารถตั้งโปรแกรมได้ คุณใส่ข้อมูลส่วนตัวและคำสั่งโปรแกรมเข้าไป: “บวกตัวเลขเหล่านี้” “เรียงลำดับรายการนี้” คุณส่งตู้นิรภัยและถุงมือให้กับคนอื่น พวกเขาจะดำเนินการเนื้อหาในตู้นิรภัยอย่างมืดบอด ตามคำสั่ง แต่ไม่สามารถมองเห็นสิ่งที่อยู่ข้างใน เมื่อเสร็จสิ้น พวกเขาจะส่งตู้นิรภัยกลับมาให้คุณ คุณเปิดมันและจะได้รับผลลัพธ์ที่ถูกต้อง.
อุปสรรคของ FHE
FHE จะทำให้เกิดการสูญเสียประสิทธิภาพอย่างรุนแรง — ความเร็วในการคำนวณจะลดลง 10 ถึง 100 เท่า การเพิ่มการยืนยันแบบไม่มีความรู้ (zkFHE) จะทำให้ความเร็วลดลงอีกหลายระดับ นักพัฒนาต้องการการรวมกันนี้เพราะ FHE แม้ว่าจะสามารถปกป้องข้อมูลนำเข้า แต่ก็ไม่สามารถรับประกันความถูกต้องของการดำเนินการ กล่าวอีกนัยหนึ่ง ปัญหาคือคุณอนุญาตให้ใครทำการคำนวณบนข้อมูลที่ได้รับการปกป้องโดย FHE หรือไม่และพวกเขาทำการดำเนินการอย่างถูกต้องจริงๆ หรือไม่ แม้ว่าจะขาดการตรวจสอบนี้ แต่การเพิ่มมันจะทำให้ระบบที่ช้าอยู่แล้วแทบจะไม่สามารถใช้ในแอปพลิเคชันเรียลไทม์ได้
ใครกำลังใช้ FHE? เพื่อวัตถุประสงค์อะไร?
- Zama ——ผู้ให้บริการเครื่องมือ FHE ใช้เครื่องมือเช่น fhEVM ในการสร้างสัญญาอัจฉริยะที่เข้ารหัสบนเครือข่าย EVM.
- Fhenix——บริษัทวิจัยที่นำ FHE สู่การใช้งานจริง.
- PrivaSea—— ใช้เครื่องมือ FHE ของ Zama ในการฝึกอบรม AI ที่เข้ารหัสด้วยการเรียนรู้ของเครื่อง.
- Octra——ใช้ FHE ที่เป็นกรรมสิทธิ์ในการคำนวณเข้ารหัสความเร็วสูง มีการเห็นพ้องกันในเครื่องเรียนรู้และบริการที่สามารถเช่าได้ในเชนทั่วไป.
สภาพแวดล้อมการทำงานที่เชื่อถือได้ (TEE)
TEE เป็นพื้นที่ฮาร์ดแวร์ที่ปลอดภัยซึ่งสามารถแยกการจัดเก็บและประมวลผลข้อมูล ป้องกันไม่ให้ส่วนที่เหลือของเครื่อง (รวมถึงระบบปฏิบัติการและผู้ปฏิบัติงาน) เข้าถึงข้อมูลนั้นได้.
หากคุณมี iPhone คุณจะมีปฏิสัมพันธ์กับ TEE ทุกวัน เพราะ Apple ใช้มันในการเก็บข้อมูลลายนิ้วมือและใบหน้า วิธีการทำงานของมันมีดังนี้: TEE จะเก็บข้อมูลการสแกนใบหน้าหรือการสแกนลายนิ้วมือในพื้นที่ของชิปที่ปลอดภัย เมื่อแอปพลิเคชันร้องขอยืนยันตัวตน ข้อมูลการสแกนใหม่จะถูกส่งไปยัง TEE เพื่อทำการเปรียบเทียบ กระบวนการเปรียบเทียบนี้จะเกิดขึ้นภายในฮาร์ดแวร์ที่ปิดสนิท — แอปพลิเคชันหรือระบบปฏิบัติการไม่สามารถมองเห็นข้อมูลลายนิ้วมือหรือใบหน้าใดๆ ได้ TEE จะคืนค่ากลับมาเพียง “ใช่” หรือ “ไม่ใช่”.
TEE เริ่มมีบทบาทในสาขาสกุลเงินดิจิทัล โดยใช้สำหรับสัญญาอัจฉริยะและการคำนวณที่เป็นความลับ Uniswap’s Layer-2 Unichain ใช้ TEE เพื่อสร้างบล็อกอย่างยุติธรรมและป้องกันการโจมตี MEV.
! xtjPE9YSMabP0Wv579851Rng9eyB0CUFvga11j7X.jpeg
อุปสรรคของ TEE
ความสมบูรณ์ของ TEE ขึ้นอยู่กับผู้จำหน่ายฮาร์ดแวร์ ไม่ใช่เครือข่ายแบบกระจาย ซึ่งทำให้มันถูกศูนย์กลางด้วยมาตรฐานการเข้ารหัส อาจมีผู้ที่ทำลาย TEE หรือใช้ประโยชน์จากช่องโหว่ในสภาพแวดล้อมการผลิต Secret Network เคยประสบกับสถานการณ์เช่นนี้ โดยนักวิจัยพบช่องโหว่ในชิปของ Intel ซึ่งทำให้ธุรกรรมทั้งหมดในเครือข่ายถูกถอดรหัส
ใครกำลังใช้ TEE? เพื่อวัตถุประสงค์อะไร?
- Space Computer —— ใช้ TEE บนโหนดดาวเทียมในบล็อกเชน ทำให้ฮาร์ดแวร์ป้องกันการดัดแปลงด้วยการทำงานในวงโคจร.
- Oasis Protocol ——ชั้นที่ 1 ใช้ TEE เพื่อ实现การทำงานของสัญญาอัจฉริยะที่เข้ากันได้กับ EVM อย่างลับๆ
- Phala Network——แพลตฟอร์มคลาวด์แบบกระจายศูนย์สำหรับการคำนวณลับโดยใช้ TEE จากผู้ให้บริการฮาร์ดแวร์หลายราย.
เลเยอร์ความปลอดภัยการส่งข้อมูลแบบไม่มีความรู้ (zkTLS)
zkTLS รวม TLS (ซึ่งใช้ใน HTTPS เพื่อความปลอดภัยของอินเทอร์เน็ต) กับการพิสูจน์แบบไม่มีความรู้ (ZKP) เพื่อให้แน่ใจว่าข้อมูลมีความเป็นส่วนตัวและสามารถตรวจสอบได้.
โดยการเพิ่มการพิสูจน์ความรู้ศูนย์ (ZKP), zkTLS อนุญาตให้ผู้ใช้ส่งข้อมูล HTTPS ใดๆ (ซึ่งคิดเป็น 95% ของการจราจรในเครือข่าย) ในขณะที่ควบคุมข้อมูลที่รั่วไหล สิ่งนี้ทำให้ข้อมูลของแพลตฟอร์ม Web2 ใดๆ สามารถทำงานเป็น API สาธารณะได้ โดยไม่ถูกจำกัดโดยสิทธิ์ของแพลตฟอร์ม ซึ่งเชื่อมต่อทั้งเครือข่ายและเชื่อมโยง Web2 และ Web3.
ตัวอย่างเช่น สมมติว่าคุณต้องการใช้ยอดเงินในธนาคารเพื่อขอสินเชื่อบนบล็อกเชน คุณสามารถเข้าถึงบัญชีธนาคารของคุณได้ผ่านเครื่องมือ zkTLS โดยเนื่องจากธนาคารใช้ HTTPS เครื่องมือนี้สามารถวิเคราะห์ข้อมูลที่แสดงได้ เครื่องมือนี้จะสร้างการพิสูจน์ความรู้ศูนย์ (Zero-Knowledge Proof) ของยอดเงินของคุณ (ZKP) เพื่อพิสูจน์เงินทุน แต่จะไม่เปิดเผยจำนวนเงินที่แน่นอนหรือประวัติการทำธุรกรรม คุณจะส่งการพิสูจน์นี้ไปยังแพลตฟอร์มการกู้ยืม DeFi ซึ่งแพลตฟอร์มเหล่านี้จะตรวจสอบสถานะเครดิตของคุณโดยไม่ต้องเข้าถึงข้อมูลทางการเงินส่วนตัว
! N75UUKFnTnVJExtea4VrpqvQvU3kymwNZ7WS1p6j.jpeg
อุปสรรคของ zkTLS
zkTLS ใช้ได้เฉพาะกับข้อมูลที่แสดงบนเว็บไซต์เท่านั้น - ไม่สามารถบังคับให้เว็บไซต์แสดงข้อมูลที่ซ่อนอยู่ได้ มันขึ้นอยู่กับการใช้งานโปรโตคอล TLS อย่างต่อเนื่อง และต้องการการมีส่วนร่วมของออราเคิลแบบเรียลไทม์ ซึ่งนำไปสู่ความล่าช้าและสมมติฐานด้านความเชื่อถือได้.
ใครกำลังใช้ zkTLS? ใช้เพื่อวัตถุประสงค์อะไร?
- ZKP2P：ใช้โปรโตคอลการเปิด/ปิดทางลาดที่ใช้ zkTLS สำหรับการโอนเงินอย่างเป็นส่วนตัวบนและนอกห่วงโซ่.
- EarniFi——แพลตฟอร์มการกู้ยืมที่ใช้ zkTLS มอบเงินกู้ที่มีความเป็นส่วนตัวสำหรับพนักงานที่มีเงินเดือนที่ได้แต่ยังไม่ได้รับการจ่าย
- DaisyPay——แอปพลิเคชันสำหรับความร่วมมือของผู้มีอิทธิพลและการชำระเงินทันทีโดยใช้ zkTLS
โดยรวมแล้ว PET แต่ละประเภทมีวัตถุประสงค์ที่แตกต่างกันและมีข้อดีข้อเสียที่ต้องชั่งน้ำหนัก แอปพลิเคชันอาจรวม PET หลายประเภทตามความต้องการของข้อมูล แพลตฟอร์ม AI แบบกระจายอาจใช้ MPC สำหรับการประสานงานเบื้องต้น ใช้ FHE สำหรับการคำนวณ และใช้ TEE สำหรับการจัดการคีย์.
zkTLS มีวิธีการใช้งานที่แตกต่างกันหลายวิธี ซึ่งใช้ PET ที่หลากหลายในการออกแบบสถาปัตยกรรม เครื่องมือเหล่านี้เมื่อรวมกันแล้วสามารถขยายพื้นที่การออกแบบของสกุลเงินดิจิทัลได้อย่างมาก และใช้ประโยชน์จากศักยภาพในการเป็นเวอร์ชันถัดไปของเว็บ เป็นที่ทราบกันดีว่าความต้องการในการปรับปรุงประสบการณ์ของผู้ใช้ในสกุลเงินดิจิทัลยังคงมีอยู่ ซึ่งเป็นสิ่งสำคัญสำหรับการเพิ่มความสามารถในการใช้งานและการนำไปใช้ในวงกว้างของบริการความเป็นส่วนตัวเหล่านี้
