一文讀懂隱私計算、安全多方計算、可驗證計算_LAT:cosmos代幣atom幣

這是一場知識密度極高的頭腦盛宴。

近日，PlatON聯合無涯社區舉辦了《一切皆可計算在商業網絡與開發者一起遨游》的線上直播活動。PlatON創新研究院高級研究員夏伏彪博士從PlatON可擴展角度、隱私計算價值、密碼學與AI框架四大方向詳解“計算”的價值。

一場硬核FAQ緩緩展開。

Part1：可擴展角度

Q：可驗證計算是什么？

A：可驗證計算通常是指VerifiableComputing(簡稱“VC”)，指可以將計算任務外包給第三方算力提供者；第三方算力提供者需要在完成計算任務的同時，提交一份關于計算結果的正確性證明。

Q：在區塊鏈系統中，哪些計算適合“上鏈”，哪些不適合？

A：區塊鏈作為分布式網絡，鏈上計算/存儲本質是將計算和存儲任務執行了多次，是十分昂貴的資源開銷；因此鏈上其實并不適合承載過多的計算任務。

另一方面，區塊鏈自身的全局透明、不可篡改等特性，其實適合那些具備“審計需求”的計算任務，例如通過區塊鏈，智能合約執行的“數字資產交易”，需要保證資產交易的公開和可審計；同樣是通過智能合約實現的“電子存證上鏈”，是將司法電子證據作為一種區塊鏈交易發送到鏈上進行校驗計算并保存，也是為了滿足公開可審計可追溯的要求。這些鏈上計算相對更輕量級，且側重于對業務數據的全局狀態更新，例如數字資產交易是更新了各賬戶的余額，存證上鏈其實也是更新了證據的狀態。

Q：在上鏈之前，如何保證鏈下計算的正確性？

A：保證鏈下計算的正確性，從密碼學的角度說，其實還是依賴于可驗證計算技術。可驗證計算中，計算者通常會將計算任務轉換成算術電路，然后通過密碼學技術創建一些公開且可以被快速驗證的數學關系式以及式子里的各項值；計算者將這些值發送給驗證者。驗證者可以通過這些輸入的值，校驗公開的驗證關系式是否滿足。

Coingecko報告：排名前15位的NFT交易商已獲利2.99億美元:金色財經報道，Coingecko最新的NFT報告顯示，排名前15位的NFT交易商已獲利2.99億美元。尤其是，來自 Larva Labs、Yuga Labs 和 Art Blocks 的藍籌 NFT 系列占前 15 名 NFT 交易商總利潤的94.5%以上。據估計，CryptoPunks占了頂級交易者利潤的70.6%，而CryptoPunks V1占比2.0%。生成藝術項目Art Blocks在頂級交易者利潤中排名第二，為 12.2%，其次是Bored Ape Yacht Club (BAYC)的5.5% 和Meebits的3.4%。BAYC 的兄弟系列Mutant Yacht Club (MAYC)僅占頂級交易商利潤的0.7%。

報告稱，按已實現利潤計算，排名第一的匿名NFT交易者為SethS，他從NFT投資中賺取了55,291 ETH（價值 1.0163 億美元）。這些利潤是通過 9 個地址獲得的，這些地址后來合并為一個 NFT 鯨魚地址：0x2238c8b16c36628b8f1f36486675c1e2a30debf1。[2023/8/9 21:32:45]

可驗證計算的技術模型，包含了對計算正確性的潛在要求，即如果是正確地執行了計算任務，則上述過程中生成的值一定可以滿足驗證關系式；如果沒有正確地計算任務，則過程中生成的值能順利通過驗證關系式檢查的概率非常非常低。

Q：保證鏈下計算正確性的同時，鏈上的驗證如何做？驗證速度能不能達到商用標準？

A：鏈上的驗證工作，是依賴于計算者提供的一些輸入值，和與該計算任務相關的公開的驗證關系式。

數據：Sui網絡單日交易數量達6580萬筆，創歷史記錄:8月3日消息，Sui Network發推表示，Sui網絡單日交易數量達 6580 萬筆，創歷史記錄。[2023/8/3 16:14:58]

籠統地說，驗證工作的復雜性，會遠小于計算任務本身，也就是說，驗證速度會比計算更快。好的VC技術，可以讓驗證速度做到常數級別，即不管計算任務多復雜，僅需常數時間就可以完成一次驗證，商用問題不大。

Q：從可擴展角度來說，可驗證計算對吞吐量帶來了什么變化？

A：可驗證計算，包括以zk-SNARKs為代表的零知識證明技術，給區塊鏈可擴展性帶來了新的解決方案。以太坊創始人Vitalik在以太坊技術社區曾提出用可驗證計算技術來解決以太坊可擴展性問題，也就是目前非常火熱的zk-rollup技術。

大致的思路是，將網絡里的區塊處理都轉交一個鏈下的第三方，這個第三方可以是不受信任的，他在處理完轉賬交易的業務后會更新以太坊的賬戶全局狀態，同時他還需要提供一個證明，證明他的整個轉賬交易處理邏輯，包括對全局狀態的更新，都是準確無誤的。這個證明，和更新后的賬戶全局狀態，以及壓縮后的交易數據，都會被提交上鏈。鏈上的智能合約負責對證明進行校驗，以及將賬戶狀態進行最終更新。

我們發現，可驗證計算可以將復雜的區塊交易處理轉到鏈下，鏈上的工作僅剩余輕量級的驗證和狀態更新。按照Vitalik的計算，采用zk-rollup之后可以將以太坊的TPS從目前約15tx/s提升到約550tx/s。

Q：在商用實踐中，可驗證計算可以實現哪些功能？

數據：持有價值超過100萬美元的PEPE地址數量已超50個:5月2日消息，據區塊鏈分析公司Arkham Intelligence披露最新數據顯示，當前持有價值超過100萬美元的PEPE地址數量已超50個。

Arkham Intelligence表示，最早的一個PEPE買家是一個所謂“部署者錢包（deployer wallet）”，該錢包僅花費了2美元購買了1950億枚PEPE，之后以22.94 ETH（42200美元）的價格出售了這些代幣。

另據CoinGecko數據顯示，自推出以來PEPE價格已上漲1000%以上，已躋身市值前100的加密資產，目前排名第94位。[2023/5/2 14:38:35]

A：除了幫助緩解區塊鏈網絡的可擴展性和鏈下計算可靠性之外，可驗證計算通常適用于將復雜的計算任務轉交給具備有強大算力的第三方的場景，比如將資源受限的設備的計算任務轉交給云服務。

一個簡單的例子是物聯網傳感器本身計算能力十分有限，無法處理設備采集的數據，需要上傳到云端，而可驗證計算的引入，可以保證云服務是“正確且可靠”地進行了數據處理，而不是故意偷懶或者執行了錯誤的計算。

需要一提的是，可驗證計算技術仍然在持續研究和優化，我們有理由相信，在不久的將來，小到四則運算，大到神經網絡訓練，都可以放心地丟給云服務來完成計算，而無需擔心計算結果的準確性。

Part2：隱私計算的價值

Q：隱私計算是基于密碼學的一項技術，與區塊鏈的關系是怎樣的？又如何與區塊鏈技術結合?

A：原生的區塊鏈網絡不存在隱私保護的能力。隱私計算與區塊鏈結合，是為了滿足更復雜多變的商業需求，特別是面向數據交換、分享的各類場景。

以太坊域名服務商ENS社區提案啟動1700萬美元的捐贈基金:金色財經報道，根據最近的治理提案，DeFi國庫管理機構Karpatkey 已向ENS DAO提案考慮用 10,766 ETH（1,700 萬美元）推出DAO 的捐贈基金。捐贈基金是 ENS DAO 為優化其金庫儲備而采取的資金管理步驟。ENS DAO在去年結束的治理投票中選擇了 Karpatkey來管理該基金。Karpatkey 應該代表 DAO 管理價值 5100 萬美元的資產。這些資金將來自ENS DAO 的金庫，該金庫目前持有價值 10 億美元的資產。如果獲得批準， Karpatkey 的 1700 萬美元資助提案將構成該基金的初始種子。在該基金達到其 5100 萬美元的籌資目標之前，還有另外兩個月度分期付款的計劃。[2023/1/26 11:30:18]

從區塊鏈的角度來看，有幾個大的方向或者說是基礎設施和服務：最直接的就是隱私交易,此外還有密鑰管理，以及去中心化數字身份，這些都與隱私計算密不可分。

Q：相比于“傳統”計算，加上隱私計算后，能夠解決哪些之前不能實現的遺留問題？

A：從商業的角度來說，傳統的計算，瓶頸往往在于數據端，即數據能否給到計算方，很多時候這是一個數據安全和隱私法規層面的問題。

隱私計算恰好針對的是數據交換、數據分享等場景里的數據隱私問題，籠統地講，以MPC為代表的隱私計算技術可以實現數據在不離開本地情況下，完成計算任務，達到數據可用而不可見。

Q：隱私計算適用于哪些商業場景？

A：隱私計算技術可以服務于各類應用場景，實現多樣化的商業創新。我們就區塊鏈領域舉兩個例子。

數據：8月以來ETH2.0新質押14.87萬枚ETH:金色財經消息，數據顯示，當前以太坊2.0存款合約地址已收到約1334萬枚ETH，價值超218.47億美元。8月以來，ETH2.0 合約新質押14.87萬枚ETH，占流通供應量的0.12%。[2022/8/20 12:37:32]

就像上面提到的，通過安全多方計算實現區塊鏈錢包中的密鑰管理，可以看成是一個垂直應用，將資產的管理權通過數學的方式進行拆分，最終可以降低單個私鑰丟失風險、以及實現細粒度的token權限管理。

同樣采用了MPC技術，另一個相關的例子是以太坊2.0網絡中的一個安全性機制，叫做CustodyGame，其實就是為了保證輕節點可以安全地下載區塊頭構建區塊鏈，無需擔心區塊數據不可用的問題，這里MPC的引入，不但實現了原始目標——提供安全性，還能創建新的質押商業模式，讓多個用戶共同分擔成為驗證人節點所需的經濟門檻——32個ETH，在豐富商業玩法的同時，更重要的是提升了以太坊2.0網絡的去中心化程度。

Q：就場景來說，能不能舉個例子說明MPC在實際應用中的作用？

A：醫療場景里，一個典型的使用隱私計算的例子是電子病歷(EHR)數據跨域訪問。在擁有個人數字身份基礎設施的前提下，A醫院可以在獲得病人授權的前提下，對其在此前就診的B醫院申請數據訪問，在滿足診療需求的前提下，同時出于隱私合規和數據最小化的原則，該次訪問僅需要了解病人的某項疾病的特征信息，例如曾有對某類藥物的過敏情況，返回是或者否。那么在這樣的一個案例中，MPC技術就可以發揮最大的作用，通過對病人在B醫院的病歷記錄的授權查詢，不直接返回病人的病歷數據，僅返回所需的藥物過敏特征信息。

Part3：MPC密碼學

Q：PlatON都涉及了哪些隱私計算技術的研究與應用呢？

A：隱私計算基于密碼學，其技術也包括很多種，如ZK、MPC、TEE等。相比于ZK和MPC，TEE更側重于安全技術，而且對技術實現和廠商的依賴程度比較高。相比之下，信任成本更低的是依托密碼學的ZK和MPC，而其中ZK更側重于進行“驗證式”的計算，是計算的終點；MPC則是解決數據計算的本身，是計算發起的起點。

PlatON在MPC和ZK兩方面都有持續投入，從實際業務角度出發，現階段更多的需求是來自于受限于數據隱私而無法達成計算，那么MPC剛好可以解決這個痛點。ZK其實也是非常關重要的隱私計算技術，通常會用于解決計算正確性問題，屬于下一階段的關鍵技術。

其實PlatON并沒有局限于MPC或者ZK，就像創世白皮書中寫的可驗證計算或者同態加密，都屬于隱私計算的大范疇，知識。

Q：PlatON是如何保持走在密碼學前沿領域的?

A：有幾個方面可以說明PlatON在密碼學的重視和投入程度。

首先，PlatON有一個業界領先的密碼學研發團隊，匯集了包括中科院、上海交通大學、武漢大學、美國馬里蘭大學、西北大學等國內外頂尖高校的著名密碼學教授和研究學者。

同時，PlatON長期專注于密碼學和隱私計算研究，大力支持密碼學相關的學術和技術賽事活動，是密碼學領域三大頂級會議Crypto/Eurocrypt/Asiacrypt，和安全領域頂級會議ACMCCS的持續贊助商，同時還作為主要贊助商與國內頂級高校和科研機構一起連續舉辦了兩屆密碼學冬令營(CryptoInnovationSchool)，分別針對安全多方計算和格密碼展開了主題培訓。此外，PlatON還獨立舉辦了CISC2019密碼學年度賽事，旨在鼓勵和推廣全球密碼學方面的創造性的密碼學技術作品。

Q：我們很期待隱私計算大規模商用后的數字化社會，例如MPC在商用的過程中會誕生什么樣的新應用場景呢?

A：MPC的核心能力在于如何在保護用戶隱私的前提下完成計算任務。以疫情為例，目前的健康碼等應用其實是政府的大數據中心/計算服務獲取并匯總了用戶的運營商數據，進行數據分析和風險判定，存在數據隱私泄露的隱患。

事實上，通過MPC技術是可以做到用戶個體隱私與群體健康兼顧的。一種新的方案可能是，用戶個體通過可穿戴設備(IOT傳感器)，實現與心跳、血氧、血壓等多種生理數據源對接。設備均擁有數字身份，并由運營機構提供用戶數據的本地計算，只需按驗證規則返回驗證結果。完全不需要在云端各數據源驗證結果匯總計算，就可以生成該用戶最終的健康狀態。

Q：目前與MPC最“貼合”的場景是什么？能不能舉例說明一下？

A：MPC技術十分適用于密鑰管理。傳統的區塊鏈錢包的私鑰管理，不管是軟件還是硬件錢包，都存在單點故障的風險；如果私鑰一旦丟失，那么鏈上的數字貨幣就會躺在所謂的“黑洞”賬戶里，再也無法取回。MPC技術可以降低這種風險，將私鑰的單一保管模式轉換為多點保管模式。用戶可以持有私鑰的一個或者多個碎片，而將其他碎片托管在受信任的人或者服務商，在需要使用私鑰進行簽名的時候，通過在線的方式進行一次MPC計算，生成數字簽名。

值得強調的是，MPC模式的私鑰管理還會帶來一些新的安全特性，例如私鑰明文在整個業務生命周期里從未出現過；少于額定數目的私鑰碎片，湊在一起也無法恢復出完整的私鑰；用戶側的私鑰碎片丟失后，可以通過MPC技術進行在線找回，并且找回的是一個新的碎片，而托管方的私鑰碎片也會同步刷新。這些獨特的安全特性進一步降低了私鑰使用過程中的泄露風險。

Part4：AI框架

Q：從市場反饋來看，AI行業目前不太好過，您認為什么因素決定了AI落地速度？

A：整體來看，目前AI商業化在算力、算法和技術方面基本達到階段性成熟，想要更加落地，解決行業具體痛點，需要大量經過標注處理的相關數據做算法訓練支撐，可以說數據決定了AI的落地程度。

Q：我們了解到，PlatON針對AI行業的痛點推出了一款隱私AI框架產品，可以看做是“AI-隱私計算轉化器”。那么AI開發人員如何通過Rosetta開發框架獲得隱私計算能力？

A：Rosetta是基于TensorFlow的隱私AI框架，主要目的是降低AI開發人員的門檻，讓他們可以在不需要了解隱私計算細節的情況下，僅僅通過添加一行代碼的方式，將原先傳統的數據處理方式轉換為隱私計算的方式。

Rosetta本身是對AI訓練中的各類基礎算子進行了MPC本地封裝，使得開發者可以通過算子組合，實現所需的訓練算法，并且是以數據輸入隱私得到妥善保護的方式執行。

了解PlatON更多動態

PlatON·GitHub

https://github.com/PlatONnetwork

PlatON·Forum

https://forum.latticex.foundation/c/PlatON-CN

PlatON·Telegram

https://t.me/PlatONNetworkCN

PlatON·Twitter

https://twitter.com/PlatON_Network

PlatON·LinkedIn

https://linkedin.com/company/platonnetwork

Tags：LATTONATOPlatONjubilation的中文PlatonCoincosmos代幣atom幣platon幣前景

SAND