많은 친구들이 Nillion이 2,500만 달러를 모금했다는 소식을 접하면 '맹목적인 계산'이 무엇인지 궁금할 것입니다. MPC, ZKP, FHE, TEE 등 생소한 개념을 어느 정도 이해하자마자 새로운 개념이 떠올랐습니다. 그렇다면 블라인드 계산의 작업 흐름은 무엇입니까? 닐리온이 제공하는 블라인드 컴퓨팅 솔루션은 정확히 무엇인가요? 다음으로 내 이해에 대해 이야기하겠습니다.

1) 블라인드 컴퓨팅이란 무엇입니까? 간단히 말해, 블라인드 컴퓨팅은 서버(노드)가 특정 암호화된 데이터 조각에 대해 컴퓨팅 작업을 수행하여 궁극적으로 개인 정보 보호를 달성할 수 있도록 하는 안전한 컴퓨팅 방법입니다.

목표는 ZKP, TEE, MPC, FHE 및 기타 향상된 암호화 알고리즘과 동일합니다. 차이점은 ZKP 영지식 증명은 증명을 생성하는 데 막대한 오버헤드가 필요하다는 것입니다. 다음과 같은 체인 검증 전용 시나리오: TEE 신뢰할 수 있는 실행 환경은 하드웨어 제조업체에 의존하여 격리된 환경에서 계산을 수행하는 방법입니다. FHE 완전 동형 암호화는 암호화된 데이터에 대해 직접 계산을 수행할 수 있지만 현재는 특정 작업만 지원합니다. ;

"블라인드 컴퓨팅"은 ZKP, TEE 및 FHE와 같은 암호화 기술이 기술 프레임워크의 일부로 사용될 수 있기 때문에 보다 일반적인 컴퓨팅 프레임워크입니다.

우리 모두 알고 있듯이 ZKP, TEE, FHE 등은 현재 Crypto 기술과 통합하는 응용 프로그램 탐색 및 최적화 단계에 있습니다. 블라인드 컴퓨팅을 통해 이러한 핵심 암호화 기술을 종합하고 적용하여 개인정보 보호를 위한 통합 엔지니어링 실천 솔루션을 모색할 수 있습니다.

2) 블라인드 컴퓨팅의 핵심 논리는 분산 노드를 강화하여 단일 노드가 스토리지 + 컴퓨팅을 동시에 분할할 수 있는 능력을 갖게 하고 검증 가능한 개방형 거버넌스 네트워크와 결합하여 노드가 알지 못하는 사이에 효과적인 결과를 달성하는 것입니다. 작업의 결과인 "완전한" 데이터. 그것을 이해하는 방법?

정상적인 조건에서 데이터 프라이버시를 보호하기 위해서는 노드 A에 데이터를 저장하고, 이를 암호화하여 노드 B에 넘겨 계산을 한 후, 노드 C를 통해 복호화하고 검증하여 최종적으로 노드 A의 저장+계산 작업을 완료해야 한다. 데이터. 이 과정에서 데이터 전송에 막대한 비용 손실이 발생하고, 암호화->복호화를 반복하는 과정의 데이터가 여러 번 노출되기 때문에 노드 간 상호 신뢰 비용도 높아 개인 정보가 유출되지 않는다는 보장이 어렵습니다.

Nillion이 구축한 비즈니스 로직은 이러한 단점을 보완합니다(이해를 위해서만).

Nillion은 분산 노드 네트워크를 구축했으며 각 노드는 향상된 저장 + 컴퓨팅 기능을 갖추고 있습니다. Nillion 네트워크가 데이터 전송 및 처리 요구 사항을 수신하면 먼저 Nada 특정 언어를 통해 컴파일 및 전처리를 수행하여 원본 데이터를 여러 조각으로 분할할 수 있습니다. , 모두 암호화되어 있습니다.

AIVM 가상 머신에 의해 예약 및 할당된 후 분산 노드는 이러한 데이터 조각을 무작위로 저장 및 계산하고 최종적으로 집계 및 통합 검증을 완료합니다. 전체 프로세스에서 단일 노드는 모든 데이터 내용을 알 수 없지만, 통합되면 전체 데이터의 암호화된 전송 및 계산을 완료할 수 있습니다.

블라인드 컴퓨팅은 왜 ZKP, TEE, FHE 등의 기술을 집약하여 적용할 수 있다고 하는 걸까요? FHE 동형암호 기술은 데이터 전처리, 즉 데이터 암호화 단계에 적용할 수 있으며, 노드는 계산 데이터를 TEE에 저장할 수 있으며, 이는 신뢰 실행 환경에서 수행되며, 노드의 작업 결과를 집계하고 검증할 때 검증 집계의 효율성을 높이기 위해 ZKP를 사용할 수 있습니다.

3) 제 생각에는 ZKP, TEE, FHE, MPC 및 기타 기술에는 어느 정도 엔지니어링 구현 결함이 있습니다. 현재 암호화폐 분야의 거의 모든 트랙은 프로젝트로 가득 차 있지만 대부분은 비용 및 효율성 최적화에 어려움을 겪고 있습니다. 작업은 암호화폐 관련 애플리케이션 시나리오에 중점을 둡니다.

Nillion이 제안한 블라인드 컴퓨팅 프레임워크는 아직 대규모 적용을 달성하지 못했지만 통합 암호화 솔루션은 AI 검증 컴퓨팅 및 기계 학습과 같은 더 광범위한 데이터 보호 분야에서 보편적으로 채택될 가능성이 높습니다.