这是一个创建于 1190 天前的主题，其中的信息可能已经有所发展或是发生改变。
大家好，我是 Lucy@FinTech 社区，今天给大家分享区块链下一个热门赛道：隐形计算。欢迎加入 FinTech 社区，有区块链群，与同行交流。
时至今日，真正能将隐私保护技术落地的项目竟无一例，可事实上，隐私保护绝不应该与众多红极一时的炒作赛道混为一谈。区块链想要真正发展为一个虚拟的平行世界，避不开的是在这新世界中创建一个合理的经济制度。
#01 隐私保护技术
中国信息通信研究院依托中国通信标准化协会大数据技术标准推进委员会于 2020 年发布的《隐私保护计算技术研究报告（ 2020 ）》将隐私保护技术分为五种：联邦学习、差分隐私、安全多方计算、同态加密、可信执行环境。其中，联邦学习和差分隐私主要在机器学习领域应用较广，且对原始数据的加密复杂度一般，不在讨论范围。此外，区块链中还有一种基于零知识证明的隐私保护技术。
安全多方计算（ MPC ）
最早由图灵奖获得者——中国科学院院士姚期智于 1982 年提出。其技术逻辑是：在一个分布式网络中，有 N 个互不信任的节点，每个节点持有数据 x，并协同执行函数 f(x)，最终得到各自的结果 y，若各节点的 y 值相等，则可输出为计算的结果。MPC 的最大优点是做到了数据的百分百匿名，并且计算的结果也可以做到相对精确；挑战点则是对带宽的要求极高，当协同参与者较多时通讯水平将是一大考验。目前的多方安全计算单个运算可以达到毫秒级，但在大数据场景下，一个数据应用或模型训练涉及到上万的数据样本，运算效率和通讯负担是阻碍 MPC 发展的瓶颈。
同态加密（ HE ）
一种非对称加密算法，所有持有公钥的参与者都可对数据进行加密和计算，但只有私钥持有者可以对数据进行解密。HE 的特殊之处在于，它允许公钥持有者在加密后的数据上直接进行计算，理论上计算结果与解密后的计算结果保持一致。可以想象，HE 算法下的计算结果难以做到极高的精准度，如何权衡加密复杂度与计算精准度将是一大考验。全同态加密目前仍基于理论阶段，在可信度和灵活性，效率等各方面都相对较落后，实际运用时效率太低，构造方式和实现技术复杂，尚不能大规模商业应用。
可信执行环境（ TEE ）
目前大规模商用最广泛的技术，例如手机上的指纹解锁，人脸识别等。TEE 的数据加密必须依赖硬件设备，计算过程在基于硬件防护能力的隔离执行环境中进行，因此在安全性上需要依赖一个可信任的硬件厂商。TEE 的应用项目主要有 Phala Network 、Oasis Labs 、Enigma 等，相比于其他隐私计算方案最接近实用场景。
零知识证明（ ZKP ）
一种特殊的交互式证明，其中证明者知道问题的答案，他可以在不向验证者提供任何有用的信息的情况下，使验证者相信他的答案是正确的。零知识证明可实现灵活的数据计算交互和交叉验证，但实现难度仍然较高，因为需要通过反复举例验证才能证明答案为真，这对算力要求非常高。目前能够生成证明的效率在 7 秒左右，需要大量的算力来提高计算速率。以太坊二层链 ZK rollup 就是应用零知识证明，因此 ZK rollup 的意义不仅在于扩容，更能协助以太坊实现链下隐私计算。
#02 商业落地
隐私计算目前面临最大的挑战在于如何提高隐私保护效率，实现大规模的商用落地。以上几种技术，无论是基于计算的 HE 或 MPC，还是基于验证的 ZKP，都存在这个问题。唯一能实现商业应用的 TEE 则依赖于硬件设施，而专用计算硬件的研发与生产需要庞大的前期成本，因此这也是为何隐私计算概念从 2014 便已出现，可至今也没有一个真正落地的项目。这更像是产业区块链，与我们传统意义上区块链有所不同，它需要打通虚拟世界与现实世界的联系。
因此隐私公链技术较为复杂，它本质是对智能合约进行加密，需要对输入和输出数据以及网络状态进行加密，使其对用户本人以外的所有方（包括执行智能合约的节点）隐蔽。目前发展前景最广阔的当属以太坊的二层网络 ZK rollup 和波卡的平行网络 Phala，但这些只能作为子链或平行链存在，主要是为主链提供数据计算，计算结果须传回主链。而若想开发一条独立的隐私公链，难度犹在上述技术之上，目前的头部项目当属 Oasis 与 PlatON，一旦完成其潜力将无比巨大。原因是：作为独立公链，它们既可以直接在主链上开发隐私智能合约，又可以作为侧链或平行链为其他公链提供隐私计算。
论实力背景，Phala 等其他隐私计算项目相较 Oasis 和 PlatON 差距较大。Oasis 团队成员包括来自伯克利大学的 Dawn Song 教授以及多位世界领先的安全专家，目前已获得了包括 Binance Labs 、a16z 等投资机构在内的 4500 万美元投资。并且，Oasis 已实现与以太坊网络的交互，逐渐有开发者尝试在 Oasis 网络上建立的 NFT 项目。PlatON 目前已获得高山资本、Hash Global Capital 等机构 5000 万美金的投资。
时至今日，真正能将隐私保护技术落地的项目竟无一例，可事实上，隐私保护绝不应该与众多红极一时的炒作赛道混为一谈。区块链想要真正发展为一个虚拟的平行世界，避不开的是在这新世界中创建一个合理的经济制度。
#01 隐私保护技术
中国信息通信研究院依托中国通信标准化协会大数据技术标准推进委员会于 2020 年发布的《隐私保护计算技术研究报告（ 2020 ）》将隐私保护技术分为五种：联邦学习、差分隐私、安全多方计算、同态加密、可信执行环境。其中，联邦学习和差分隐私主要在机器学习领域应用较广，且对原始数据的加密复杂度一般，不在讨论范围。此外，区块链中还有一种基于零知识证明的隐私保护技术。
安全多方计算（ MPC ）
最早由图灵奖获得者——中国科学院院士姚期智于 1982 年提出。其技术逻辑是：在一个分布式网络中，有 N 个互不信任的节点，每个节点持有数据 x，并协同执行函数 f(x)，最终得到各自的结果 y，若各节点的 y 值相等，则可输出为计算的结果。MPC 的最大优点是做到了数据的百分百匿名，并且计算的结果也可以做到相对精确；挑战点则是对带宽的要求极高，当协同参与者较多时通讯水平将是一大考验。目前的多方安全计算单个运算可以达到毫秒级，但在大数据场景下，一个数据应用或模型训练涉及到上万的数据样本，运算效率和通讯负担是阻碍 MPC 发展的瓶颈。
同态加密（ HE ）
一种非对称加密算法，所有持有公钥的参与者都可对数据进行加密和计算，但只有私钥持有者可以对数据进行解密。HE 的特殊之处在于，它允许公钥持有者在加密后的数据上直接进行计算，理论上计算结果与解密后的计算结果保持一致。可以想象，HE 算法下的计算结果难以做到极高的精准度，如何权衡加密复杂度与计算精准度将是一大考验。全同态加密目前仍基于理论阶段，在可信度和灵活性，效率等各方面都相对较落后，实际运用时效率太低，构造方式和实现技术复杂，尚不能大规模商业应用。
可信执行环境（ TEE ）
目前大规模商用最广泛的技术，例如手机上的指纹解锁，人脸识别等。TEE 的数据加密必须依赖硬件设备，计算过程在基于硬件防护能力的隔离执行环境中进行，因此在安全性上需要依赖一个可信任的硬件厂商。TEE 的应用项目主要有 Phala Network 、Oasis Labs 、Enigma 等，相比于其他隐私计算方案最接近实用场景。
零知识证明（ ZKP ）
一种特殊的交互式证明，其中证明者知道问题的答案，他可以在不向验证者提供任何有用的信息的情况下，使验证者相信他的答案是正确的。零知识证明可实现灵活的数据计算交互和交叉验证，但实现难度仍然较高，因为需要通过反复举例验证才能证明答案为真，这对算力要求非常高。目前能够生成证明的效率在 7 秒左右，需要大量的算力来提高计算速率。以太坊二层链 ZK rollup 就是应用零知识证明，因此 ZK rollup 的意义不仅在于扩容，更能协助以太坊实现链下隐私计算。
#02 商业落地
隐私计算目前面临最大的挑战在于如何提高隐私保护效率，实现大规模的商用落地。以上几种技术，无论是基于计算的 HE 或 MPC，还是基于验证的 ZKP，都存在这个问题。唯一能实现商业应用的 TEE 则依赖于硬件设施，而专用计算硬件的研发与生产需要庞大的前期成本，因此这也是为何隐私计算概念从 2014 便已出现，可至今也没有一个真正落地的项目。这更像是产业区块链，与我们传统意义上区块链有所不同，它需要打通虚拟世界与现实世界的联系。
因此隐私公链技术较为复杂，它本质是对智能合约进行加密，需要对输入和输出数据以及网络状态进行加密，使其对用户本人以外的所有方（包括执行智能合约的节点）隐蔽。目前发展前景最广阔的当属以太坊的二层网络 ZK rollup 和波卡的平行网络 Phala，但这些只能作为子链或平行链存在，主要是为主链提供数据计算，计算结果须传回主链。而若想开发一条独立的隐私公链，难度犹在上述技术之上，目前的头部项目当属 Oasis 与 PlatON，一旦完成其潜力将无比巨大。原因是：作为独立公链，它们既可以直接在主链上开发隐私智能合约，又可以作为侧链或平行链为其他公链提供隐私计算。
论实力背景，Phala 等其他隐私计算项目相较 Oasis 和 PlatON 差距较大。Oasis 团队成员包括来自伯克利大学的 Dawn Song 教授以及多位世界领先的安全专家，目前已获得了包括 Binance Labs 、a16z 等投资机构在内的 4500 万美元投资。并且，Oasis 已实现与以太坊网络的交互，逐渐有开发者尝试在 Oasis 网络上建立的 NFT 项目。PlatON 目前已获得高山资本、Hash Global Capital 等机构 5000 万美金的投资。
目前尚无回复
Select Language