Nillion が 2,500 万ドルを調達したというニュースを見たら、多くの友人は疑問に思うでしょう。一体、何ということは「盲目的な計算」なのでしょうか？ MPC、ZKP、FHE、TEE などの馴染みのない概念をある程度理解するとすぐに、まったく新しい概念が浮かび上がりました。では、ブラインド計算のワークフローはどのようなものでしょうか?ニリオンが提供するブラインドコンピューティングソリューションとは一体何なのでしょうか？次に、私の理解についてお話します。

1) ブラインド コンピューティングとは何ですか?簡単に言えば、ブラインド コンピューティングは、サーバー (ノード) が特定の暗号化されたデータ フラグメントに対してコンピューティング タスクを実行できるようにし、最終的にプライバシー保護を実現する安全なコンピューティング方法です。

目標は、ZKP、TEE、MPC、FHE およびその他の強化された暗号化アルゴリズムと同じです。違いは、ZKP ゼロ知識証明は証明の生成に多大なオーバーヘッドを必要とすることです。オフチェーン ストレージと計算に適しています。ロールアップ レイヤ 2、TEE 信頼できる実行環境は、ハードウェア メーカーに依存して隔離された環境で計算を実行する方法です。FHE 完全準同型暗号化は暗号化されたデータに対して直接計算を実行できますが、現時点では特定の操作のみをサポートしています。 ;

「ブラインド コンピューティング」は、ZKP、TEE、FHE などの暗号化テクノロジが技術フレームワークの一部として使用される場合があるため、より一般的なコンピューティング フレームワークです。

ご存知のとおり、ZKP、TEE、FHE などは現在、アプリケーションの探索と暗号技術との統合の最適化段階にあります。ブラインド コンピューティングにより、これらのコア暗号化テクノロジを集約して適用し、プライバシー保護のための統合エンジニアリング プラクティス ソリューションを検討することが可能になります。

2) ブラインド コンピューティングのコア ロジックは、分散ノードを強化することです。これにより、単一のノードがストレージとコンピューティングを同時にセグメント化する機能を備え、検証可能なオープン ガバナンス ネットワークと組み合わせて、ノードが認識することなく効果的な結果を達成できます。作業の結果「完全な」データ。どのように理解すればよいでしょうか？

通常の状態でデータのプライバシーを保護するには、データをノード A に保存し、暗号化して計算のためにノード B に渡し、次にノード C を通じて復号して検証し、最終的に保存 + 計算の作業を完了する必要があります。データ。このプロセスではデータ伝送に多大なコストがかかり、何度も繰り返される暗号化→復号化のプロセスでデータが漏洩するため、ノード間の相互信頼のコストも高く、プライバシーを確​​実に守ることが困難になります。漏れた。

Nillion によって構築されたビジネス ロジックは、この欠点を補うものであり、その一般的なワークフローは次のとおりです (理解のみを目的としています)。

Nillion は分散ノード ネットワークを構築しており、各ノードは強化されたストレージとコンピューティング機能を備えています。Nillion ネットワークがデータ送信と処理の要件を受け取ると、最初に Nada 固有の言語を通じてコン​​パイルと前処理を実行し、元のデータを多くのフラグメントに分割できます。 、およびすべて暗号化されています。

AIVM 仮想マシンによってスケジュールされ割り当てられた後、その分散ノードはこれらのデータ フラグメントをランダムに保存および計算し、最終的に集約と統合検証を完了します。プロセス全体を通じて、単一のノードがすべてのデータの内容を知ることはできませんが、ノードをまとめると、データ全体の暗号化された送信と計算を完了できます。

ブラインド コンピューティングでは、ZKP、TEE、FHE などの技術を集約して適用できると言われているのはなぜですか? FHE 準同型暗号化技術は、データの前処理、つまりデータ暗号化の段階でも適用できます。ノードは計算データをTEEに保存できます。ノードの作業結果を集計および検証する場合、ZKPを使用して検証集計の効率を向上できます。

3) 私の意見では、ZKP、TEE、FHE、MPC、その他のテクノロジーには多かれ少なかれエンジニアリング実装上の欠陥があります。現在、暗号分野のほぼすべてのトラックがプロジェクトで混雑していますが、そのほとんどはコストと効率の最適化に苦労しています。作業は、暗号化固有のアプリケーション シナリオに焦点を当てています。

Nillion が提案するブラインド コンピューティング フレームワークは大規模には適用されていませんが、その統合暗号化ソリューションは、AI 検証可能なコンピューティングや機械学習などのより広範なデータ保護分野で広く採用される可能性があります。