ساخت راه حل های حفظ حریم خصوصی سازگار با EVM کلید ادغام آنها با بلاک چین ها و Dapp ها است – گای ایتزاکی

در حالی که طرفداران رمزگذاری کاملاً همومورفیک (FHE) گاهی اوقات آن را به عنوان راه حل بهتری برای حفظ حریم خصوصی نسبت به اثبات دانش صفر (ZK) معرفی می کنند، گای ایتزاکی، بنیانگذار و مدیر عامل Fhenix، گفت که هر دو فناوری مبتنی بر رمزنگاری هستند که در صورت ترکیب، می توانند یک لایه رمزگذاری قوی و کارآمد را تشکیل می دهد. برای حمایت از این دیدگاه، Itzhaki به یک مطالعه تحقیقاتی اشاره کرد که یافته‌های آن نشان می‌دهد که «ترکیب ZKPs با FHE می‌تواند به تأمین مالی غیرمتمرکز کاملاً قابل تعمیم و محرمانه (defi) دست یابد.»

همگرایی بلاک چین و هوش مصنوعی

علیرغم وعده بزرگ آنها، راه حل های حفظ حریم خصوصی هنوز به بخش مهمی از بلاک چین و برنامه های غیرمتمرکز (dapps) تبدیل نشده اند. در پاسخ‌های کتبی خود که به بیت‌کوین.کام نیوز فرستاده است، فینیکس مدیر عامل شرکت گفت یکی از دلایل این امر ممکن است بار درک شده ای باشد که برای توسعه دهندگان و کاربران وارد می کنند. برای غلبه بر چنین مشکلاتی، Itzhaki پیشنهاد کرد که این راه حل ها با EVM سازگار باشند و همچنین قابلیت های رمزگذاری FHE را به زبان برنامه نویسی Solidity بیاورند.

در همین حال، بنیانگذار Fhenix – یک لایه 2 مجهز به FHE – در پاسخ به این سوال که توسعه دهندگان و کاربران چگونه می توانند از حریم خصوصی خود در دنیایی که بلاک چین و هوش مصنوعی (AI) در حال همگرایی هستند محافظت کنند، گفت که اولین گام افزایش آگاهی در مورد وجود خطرات یا چالش های نوظهور برداشتن این مرحله توسعه دهندگان را مجبور می کند تا برنامه هایی را طراحی کنند که این چالش ها را برطرف کنند.

برای کاربران، Itzhaki گفت که بهترین راه برای محافظت از خود این است که “خود را در مورد استفاده ایمن آموزش دهند و از ابزارهایی استفاده کنند که از حفاظت از داده های شخصی پشتیبانی می کنند.” در جای دیگر، ایتزاکی در پاسخ‌های خود که از طریق تلگرام ارسال شد، همچنین به این موضوع اشاره کرد که چرا پذیرش انبوه وب 3 مورد تمجید قرار نگرفته است.

در زیر آمده است گای ایتزاکیپاسخ به تمام سوالات ارسال شده برای او.

Bitcoin.com News (BCN): اغلب، فقدان یک تجربه کاربری تصفیه شده به عنوان بزرگترین مانع برای پذیرش انبوه Web3 تلقی می شود. با این حال، برخی نگرانی‌های مربوط به حریم خصوصی را یکی دیگر از موانع اصلی، به‌ویژه برای پذیرش سازمانی می‌دانند. به نظر شما، بزرگترین موانعی را که اکوسیستم Web3 باید به طور جمعی بر آنها غلبه کند تا عادی شود، می بینید؟

گای ایتزاکی (GI): اول از همه، عدم احساس امنیت در هنگام تعامل با برنامه های مبتنی بر بلاک چین. بسیاری از مردم از استفاده از آن منصرف می‌شوند زیرا نسبت به برنامه‌های کاربردی سنتی که امنیت داخلی را ارائه می‌کنند، حتی به قیمت تمرکز، «احساس امنیت» کمتری دارد.

چالش دوم، تجربه کاربری بد کلی است که فضا شما را به آن متعهد می کند. به عنوان مثال، هنگامی که کاربران به دلیل اشتباهات عملیاتی کوچکی که ممکن است برای هر کسی اتفاق بیفتد، سرمایه خود را از دست بدهند، احساس امنیت (یا عملکرد) به شدت آسیب می بیند. ماهیت پیچیده اجرای اکثر برنامه های غیرمتمرکز مانع بزرگی برای پذیرش انبوه است.

موضوع دیگر مقررات است. پذیرش بلاک چین توسط احساسات منفی تنظیم‌کننده‌ها و بازارهای سنتی، عمدتاً به دلیل ارتباط با فعالیت‌های مجرمانه، مانع می‌شود. قانون

فناوری FHE پتانسیل زیادی برای مقابله با این چالش ها دارد (از طریق عملکرد محاسبات رمزگذاری شده). با معرفی رمزگذاری بومی به بلاک چین، می‌توانیم احساس امنیت بهتری (مثلاً با رمزگذاری موجودی دارایی‌های کاربر) تسهیل کنیم، از برنامه‌هایی مانند انتزاع حساب پشتیبانی کنیم که پیچیدگی کاربر را در هنگام تعامل با بلاک چین به طور قابل توجهی کاهش می‌دهد و مدیریت هویت غیرمتمرکز را فعال می‌کند. برای انطباق مورد نیاز است.

BCN: بسته به محصولات و موارد استفاده، اکوسیستم بلاک چین طیف وسیعی از نیازهای حریم خصوصی دارد. آیا می‌بینید FHE جایگزین اثبات‌های ZK با دانش صفر و محیط‌های اجرایی قابل اعتماد (TEE) می‌شود یا این فناوری‌های نوآورانه می‌توانند با هم وجود داشته باشند؟

GI: این یک سوال عالی است زیرا یک بحث جدی در مورد کارآمدی هر فناوری حفظ حریم خصوصی برای حل همه نیازها و سناریوهای رمزگذاری داده وجود دارد – به دلیل تفاوت های شدید بین فناوری های رمزگذاری رقیب (هزینه، پیچیدگی، UX).

درک این نکته مهم است که اگرچه FHE و ZKP هر دو فناوری مبتنی بر رمزنگاری هستند، اما بسیار متفاوت هستند. ZKP برای تأیید داده ها استفاده می شود، در حالی که FHE برای محاسبه داده های رمزگذاری شده استفاده می شود.

من شخصاً معتقدم که راه حل یک مرحله ای وجود ندارد و احتمالاً ترکیبی از فناوری های FHE، ZKP و MPC را خواهیم دید که یک لایه رمزگذاری قوی و در عین حال کارآمد را بر اساس الزامات مورد استفاده خاص تشکیل می دهند. . به عنوان مثال، تحقیقات اخیر نشان داده است که ترکیب ZKP ها با رمزگذاری کاملا هممورفیک (FHE) می تواند به DeFi کاملاً قابل تعمیم و محرمانه دست یابد: ZKP ها می توانند یکپارچگی ورودی ها و محاسبات کاربر را ثابت کنند، FHE می تواند محاسبات دلخواه را روی داده های رمزگذاری شده پردازش کند و MPC استفاده خواهد شد. برای جدا کردن کلیدهای استفاده شده

BCN: آیا می توانید در مورد پروژه Fhenix و ماشین مجازی رمزگذاری شده کاملاً هموار (fhEVM) و همچنین نحوه ترکیب آن با زنجیره ها و پلتفرم های موجود به ما بگویید؟

GI: Fhenix اولین رمزگذاری کاملاً هم شکل (FHE) L2 است که محاسبات روی داده های رمزگذاری شده را به اتریوم می آورد. تمرکز ما معرفی فناوری FHE به اکوسیستم بلاک چین و تطبیق عملکرد آن با نیازهای Web3 است. اولین دستاورد توسعه ما FHE Rollup است که پتانسیل پردازش داده های حساس و خصوصی را به صورت ایمن در اتریوم و سایر شبکه های EVM باز می کند.

چنین پیشرفتی به این معنی است که کاربران (و موسسات) می‌توانند تراکنش‌های زنجیره‌ای رمزگذاری‌شده را انجام دهند و در را برای برنامه‌های کاربردی اضافی مانند بازی‌های غیرقابل اعتماد محرمانه، رأی‌گیری خصوصی، مزایده‌های پیشنهادی مهر و موم شده و موارد دیگر باز می‌کند.

Fhenix از fhEVM Zama استفاده می‌کند، مجموعه‌ای از برنامه‌های افزودنی برای ماشین مجازی اتریوم (EVM) که به توسعه‌دهندگان این امکان را می‌دهد تا FHE را به طور یکپارچه در جریان کار خود ادغام کنند و قراردادهای هوشمند رمزگذاری‌شده را بدون هیچ‌گونه تخصص رمزنگاری ایجاد کنند، در حالی که هنوز در Solidity می‌نویسند.

ما معتقدیم که با آوردن توسعه دهندگان بهترین ابزار برای به کارگیری FHE در بالای پروتکل های موجود، راه را برای شکل گیری استاندارد رمزگذاری جدید در Web3 هموار می کند.

BCN: چه FHE باشد، چه ZK یا چیز دیگری، راه‌حل‌های حفظ حریم خصوصی خود وظیفه دشواری دارند تا به بخشی جدایی ناپذیر از بلاک چین و برنامه‌های غیرمتمرکز (dapps) تبدیل شوند. چه عوامل یا استراتژی هایی ادغام راه حل های حفظ حریم خصوصی در زنجیره ها و پلتفرم های موجود را برای سازندگان آسان تر می کند؟

GI: من از یک پیشینه بسیار کاربردی می آیم و به همین دلیل است که وقتی طراحی Fhenix را شروع کردیم، برایمان واضح بود که باید FHE را تا حد امکان برای توسعه دهندگان و کاربران آسان کنیم. بنابراین اولین تصمیم ما این بود که اطمینان حاصل کنیم که با EVM سازگار هستیم و قابلیت های رمزگذاری FHE را در Solidity به منظور کاهش بار توسعه دهندگان و عدم نیاز به یادگیری یک زبان جدید و خاص برای کدنویسی ارائه می کنیم. همچنین به این معنی است که توسعه دهندگان برای توسعه dapp ها نیازی به داشتن تخصص رمزنگاری یا دانش FHE ندارند.

در نهایت، ما در حال حل کردن تجربه توسعه‌دهنده در توسعه برنامه‌های کاربردی رمزگذاری هستیم. این بدان معنی است که ما بر ایجاد بهترین پشته برای توسعه دهندگان تمرکز می کنیم تا روند توسعه را تا حد امکان آسان کنیم.

BCN: با FHE، می‌توان داده‌ها را روی زنجیره وارد کرد و آن‌ها را رمزگذاری کرد، در حالی که می‌توان از آن‌ها به گونه‌ای استفاده کرد که گویی رمزگذاری نشده است. گفته می شود که داده ها در طول تراکنش ها و اجرای قراردادهای هوشمند رمزگذاری شده و خصوصی باقی می مانند. برخی بر این باورند که این سطح از حریم خصوصی زنجیره ای می تواند فراتر از حل مسائل مربوط به حریم خصوصی باشد و موارد استفاده را که قبلاً امکان پذیر نبود، باز کند. آیا می توانید از طریق مثال هایی برخی از این موارد استفاده بالقوه را توضیح دهید، در صورت وجود؟

GI: از نظر موارد استفاده مرتبط، هر برنامه‌ای که نیاز به رمزگذاری داده‌ها دارد می‌تواند از استفاده از FHE به شکلی یا دیگری بهره مند شود. جالب ترین موارد استفاده مواردی هستند که از انجام محاسبات روی داده های رمزگذاری شده سود زیادی می برند، مانند:

• هویت غیرمتمرکز
• پرداخت های محرمانه
• بازی بدون اعتماد (غیر متمرکز).
• دفی محرمانه

یکی از نمونه های عالی بازی های کازینو است. سناریویی را تصور کنید که در آن فروشنده کارت ها را بدون اطلاع از ارزش آنها توزیع می کند – نگاهی اجمالی به پتانسیل رمزگذاری کاملا خصوصی روی زنجیره. این تازه شروع کار است. توانایی FHE برای گنجاندن حریم خصوصی داده ها و اعتماد به بلاک چین برای سازندگان و بازیکنان بازی ضروری است و برای نوآوری ها و موارد استفاده در بازی های آینده اساسی است.

یکی از راه‌های امیدوارکننده برای دستیابی به این، از طریق FHE Rollups Fhenix است که به توسعه‌دهندگان اجازه می‌دهد تا زنجیره‌های برنامه سفارشی را با FHE یکپارچه ایجاد کنند، همگی در حالی که از زبان‌های آشنای ماشین مجازی اتریوم (EVM) استفاده می‌کنند.

در زمینه بازی، FHE Rollups توانایی ساخت اکوسیستم های بازی را با فناوری FHE در هسته خود ارائه می دهد. به عنوان مثال، یک رول آپ می تواند به طور کامل به بازی های کازینو اختصاص داده شود و از حفظ حریم خصوصی و امنیت کامل این بازی ها اطمینان حاصل شود. در همین حال، یک مجموعه دیگر، که کاملاً با اولی سازگار است، می‌تواند بر روی بازی‌های بازیکن در مقابل بازیکن (PvP) در مقیاس بزرگ تمرکز کند.

BCN: هوش مصنوعی (AI) و بلاک چین، دو تا از داغ‌ترین فناوری‌های حال حاضر، به نظر می‌رسد در حال همگرایی هستند. اکنون برخی از مردم بر این باورند که هوش مصنوعی می تواند تأثیرات مثبت و منفی بر حریم خصوصی و ایمنی کاربران Web3 داشته باشد. با تمرکز بر تأثیر منفی، توسعه دهندگان و کاربران چه اقدامات پیشگیرانه ای باید برای محافظت از حریم خصوصی روی زنجیره انجام دهند؟

GI: اولین چیز افزایش آگاهی از چالش های رو به رشد در اینترنت و به ویژه در فضای وب 3 است که باید سازندگان را متعهد کند که این خطرات را هنگام طراحی برنامه های خود در نظر بگیرند. از سوی دیگر، کاربران باید خود را در مورد استفاده ایمن آموزش دهند و از ابزارهایی استفاده کنند که از حفاظت از داده های شخصی پشتیبانی می کند.

از نظر اقدامات پیشگیرانه تکنولوژیکی – یکی از موارد استفاده که من شخصاً به آن علاقه دارم این است که چگونه ما، کاربران، می توانیم تفاوت بین محتوای تولید شده توسط هوش مصنوعی و محتوای ساخته شده توسط انسان را تشخیص دهیم. تأیید منشأ محتوا یکی از ویژگی‌های کلیدی زنجیره‌های بلوکی است و من مطمئن هستم که در آینده شاهد برنامه‌هایی خواهیم بود که به ردیابی منشأ داده‌ها کمک می‌کنند.

به طور خاص، برای FHE، ما در حال بررسی راه‌هایی برای کمک به ایجاد ماژول‌های هوش مصنوعی بهتر با اجازه دادن به کاربران برای به اشتراک گذاشتن داده‌های خود برای آموزش هوش مصنوعی، بدون خطر از دست دادن حریم خصوصی خود هستیم.

نظر شما در مورد این مصاحبه چیست؟ نظر خود را در بخش نظرات زیر با ما در میان بگذارید.

منبع