Co je FHE? Zama @zama_fhe vystavila koncept FHE více lidem, ale většina lidí toho o FHE stále moc neví. Homomorfní šifrování (HE) je pokročilá šifrovací technika, která umožňuje provádět výpočty přímo na šifrovaných datech bez nutnosti jejich první dešifrování. Po dešifrování jsou výsledky výpočtů konzistentní s výsledky stejných výpočtů na datech ve formátu prostého textu. To je užitečné při výpočtech se zachováním soukromí (jako je strojové učení soukromí), kde vlastníci dat mohou předat zašifrovaná data třetím stranám ke zpracování, aniž by odhalili původní data. Homomorfní šifrování je rozděleno do několika úrovní: Částečné homomorfní šifrování (PHE): Je podporována pouze jedna operace, například sčítání (např. Paillierovo šifrování) nebo násobení (např. RSA). Poněkud homomorfní šifrování (SWHE): Podporuje omezený počet sčítání a násobení. Plně homomorfní šifrování (FHE): Podporuje libovolný počet sčítání a násobení, což umožňuje libovolné výpočty (protože jakýkoli výpočet v počítači může být reprezentován kombinací sčítání a násobení). Princip FHE: Základní principy FHE Základní myšlenkou FHE je, že při provádění operací se zašifrovanými daty by měla být šifrovací forma výsledku operace ekvivalentní šifrování výsledku operace ve formátu prostého textu. Matematicky to lze vyjádřit ve formě: Když: Enc(m) je šifrování prostého textu m Takže: Aditivní homomorfismus: Enc(m1 + m2) = Enc(m1) ⊕ Enc(m2) (⊕ představuje sčítací operaci šifrované domény) Násobení homomorfismu: Enc(m1 * m2) = Enc(m1) ⊗ Enc(m2) (⊗ představuje operaci násobení pro kryptografickou doménu)

Oblíbené tratě/akce v říjnu -Robotická dráha OpenMind @openmind_agi -FHE Circuit zama @zama_fhe -AI Track Surf_ @Surf_Copilot Allora @AlloraNetwork vnímavé @SentientAGI -ZK track brevis @brevis_zk -Stablecoin track Noble @noble_xyz -L2 stopa megaeth @megaeth_labs

#可验证计算 Včera jsem slyšel o obchodním modelu umělé inteligence, který ve mně vyvolal pocit, že hodnotový potenciál ověřitelných modelů, jako je zkml/zkgpt, ještě nebyl plně využit, ale stále potřebuje čas na vyřešení efektivity. V oblasti AI API nyní koordinuje více modelů na straně služby routeru nebo automaticky směruje modely na základě nákladů. To je samo o sobě dobrá služba, ale servisní strana často dělá nekvalitní na základě zisků, atd. Pokud například uživatel zavolá GPT5 10krát, služba routeru vám dá GPT5 6krát a další levný model 4krát, aby zvýšil zisky. Samozřejmě, že zkml/zkgpt není jediným řešením a jediným řešením tohoto druhu problému. Také Allorova multimodelová koordinační síť @AlloraNetwork možná ještě není do této části zapojena, ale myslím, že může skutečně zvážit přidání této vrstvy výpočetních verifikačních služeb. Hodnota ověřitelných výpočtů je stále na cestě.