FHE Adoption tutkiminen FHERMA Challenge Platformin kautta
Lyhyesti
FHERMA erottuu muista ratkaisuista erilaisilla erityisominaisuuksilla. Aluksi se tarjoaa ratkaisujen nopean arvioinnin ja tuottaa tuloksia sekunneissa, toisin kuin perinteisissä palkkio-ohjelmissa havaitut laajennetut vahvistusmenettelyt. Alusta varmistaa läpinäkyvyyden ja oikeudenmukaisuuden hyödyntämällä täysin automatisoituja arviointiprosesseja, mikä eliminoi mahdollisen ihmisen osallistumisen aiheuttaman harhan. Lisäksi osallistujat voivat seurata reaaliaikaisia sijoituksiaan dynaamisella tulostaulukolla, mikä helpottaa ratkaisujen jatkuvaa parantamista tarpeen mukaan.
Paljon puhutaan siitä, kuinka Fully Homomorphic Encryption (FHE) -tekniikka voisi muuttaa yksityisyyttä lohkoketjujärjestelmissä. Se nähdään keinona ratkaista tietosuojaongelmia sallimalla salatun tiedon laskeminen. Huolimatta kehityksensä edistymisestä Fully Homomorphic Encryption kohtaa kuitenkin edelleen haasteita laajan käyttöönoton saavuttamisessa, mikä johtuu pääasiassa suorituskykyongelmista ja kehitysekosysteemin puutteesta. Lisäksi FHE:n integrointi olemassa oleviin lohkoketjuasetuksiin asettaa yhteensopivuus- ja skaalautuvuushaasteita.
Reilu matematiikka on vastannut näihin haasteisiin ottamalla käyttöön FHERMA, omistettu alusta, joka on suunniteltu täysin homomorfisen salauksen haasteisiin. Fair Math- ja OpenFHE-tiimien yhteistyössä kehittämä FHERMA on sitoutunut helpottamaan laajan avoimen lähdekoodin FHE-komponenttien kirjaston perustamista. Tämän aloitteen tavoitteena on yksinkertaistaa sovelluskehitystä ja nopeuttaa FHE:n käyttöönottoa keskittyen erityisesti koneoppimis- ja Blockchain-sovelluksiin.
The Power of Black Box Challenges FHERMAssa
Täyshomomorfisen salauksen (FHE) mielenkiintoinen piirre on sen kyky antaa yhden osallistujan, todistajan, osoittaa toiselle osallistujalle, todentajalle, kykynsä ratkaista tietty ongelma algoritmin avulla paljastamatta mitään yksityiskohtia itse algoritmista. Tässä prosessissa todistaja käsittelee todentajan toimittamaa salattua testidataa ja esittää käsitellyn salatekstin todisteena. Tämän jälkeen todentaja purkaa salauksen ja vertaa sitä odotettuun tulokseen. Erityisesti skenaarioissa, joissa jokainen salateksti edustaa joukkoa lukuisia elementtejä, tuloksen satunnaisen arvaamisen todennäköisyys pienenee merkittävästi.
Tämä konsepti muodostaa perustan FHERMA-alustalla isännöidyille Black Box -haasteille. Näillä haasteilla on ratkaiseva rooli yksityisyyttä säilyttävässä koneoppimisessa, sillä ne täyttävät tietojoukon omistajien tarpeet, jotka tarvitsevat ML-mallin, joka on koulutettu heidän omaan tietoihinsa, mutta pitää ne julkistamatta. Homomorfinen salaus on sopiva ratkaisu tällaisiin vaatimuksiin, ja FHERMAn Black Box -haasteet toimivat alustana, jonka avulla erilaiset kehittäjät voivat osallistua tarvittavan mallin luomiseen.
Yhteistyön ja innovaation edistäminen FHE:ssä
"FHERMAn kehityksen ajan", sanoi Fair Math -yrityksen perustaja Gurgen Arakelov, "ensisijainen tavoite on ollut edistää luotettavaa ekosysteemiä, joka kokoaa yhteen monenlaisia tutkijoita, mukaan lukien FHE-teoriaan perehtyneet matemaatikot sekä kryptografit, koneoppimisen asiantuntijat ja muut. Tämä edistää tasapuolista ja läpinäkyvää kilpailua erilaisten asiantuntijoiden välillä ja helpottaa samalla heidän integroitumistaan avoimen lähdekoodin yhteisöön."
Osallistujat tuovat mukanaan algoritmeja ja komponentteja ja testaavat ne tiukasti alustan sisällä. Erityisesti FHERMAn Black Box -haasteet antavat osallistujille mahdollisuuden arvioida ratkaisua paljastamatta lähdekoodia. Alusta arvioi lähetykset osallistujien tarjoaman salauksen tarkkuuden perusteella, mikä edistää jatkuvaa parantamista interaktiivisten tulostaulukoiden avulla.
Tarkkuuden lisäksi suorituskyvyn arvioinnista tulee tietyissä skenaarioissa ratkaiseva merkitys, mikä johtaa White Box -haasteiden käyttöönottoon. Esimerkiksi meneillään oleva CIFAR-10 Image Classification -haaste edellyttää, että osallistujat kehittävät koneoppimismalleja, joilla voidaan tehokkaasti luokitella salatut kuvat CIFAR-10-tietojoukosta. Toimitukset arvioidaan sekä suorituskyvyn että tarkkuuden osalta, mikä varmistaa parhaat ratkaisut luottamuksellisuuden säilyttäen.
FHE Challenges: reilu ja avoimen lähdekoodin näkökulma
FHERMA erottuu muista ratkaisuista erilaisilla erityisominaisuuksilla. Aluksi se tarjoaa ratkaisujen nopean arvioinnin ja tuottaa tuloksia sekunneissa, toisin kuin perinteisissä palkkio-ohjelmissa havaitut laajennetut vahvistusmenettelyt. Alusta varmistaa läpinäkyvyyden ja oikeudenmukaisuuden hyödyntämällä täysin automatisoituja arviointiprosesseja, mikä eliminoi mahdollisen ihmisen osallistumisen aiheuttaman harhan. Lisäksi osallistujat voivat seurata reaaliaikaisia sijoituksiaan dynaamisella tulostaulukolla, mikä helpottaa ratkaisujen jatkuvaa parantamista tarpeen mukaan.
Lisäksi FHERMA tarjoaa joustavuutta luoda haasteita erilaisiin salausjärjestelmiin, ja uusia haasteita esitellään kuukausittain. Alusta tekee aktiivisesti yhteistyötä johtavien FHE-tutkijoiden, kuten OpenFHE:n, Lattigon ja IBM Researchin, kanssa tunnistaakseen ja defiei arvokkaita aiheita FHE-yhteisölle. Sen mukautuva arkkitehtuuri on suunniteltu sopimaan erilaisiin käyttöskenaarioihin ja tehtävämäärittelyihin, jotka vaativat homomorfista salausta.
Olennainen osa alustaa on sen sitoutuminen yhteisöllisyyteen, avoimuuteen ja oikeudenmukaisuuteen. Toisin kuin muut alustat, jotka voivat asettaa osallistujille rajoittavia sopimuksia, FHERMA vaatii vain ratkaisujen jakelua Apache 2.0 -lisenssillä, mikä edistää yhteistyö- ja tiedon jakamisympäristöä FHE-yhteisössä.
Vastuun kieltäminen
Mukaisesti Luottamusprojektin ohjeetHuomaa, että tällä sivulla annettuja tietoja ei ole tarkoitettu eikä niitä tule tulkita oikeudellisiksi, verotukselliseksi, sijoitus-, rahoitus- tai minkään muun muodon neuvoiksi. On tärkeää sijoittaa vain sen verran, mitä sinulla on varaa menettää, ja pyytää riippumatonta talousneuvontaa, jos sinulla on epäilyksiä. Lisätietoja saat käyttöehdoista sekä myöntäjän tai mainostajan tarjoamista ohje- ja tukisivuista. MetaversePost on sitoutunut tarkkaan, puolueettomaan raportointiin, mutta markkinaolosuhteet voivat muuttua ilman erillistä ilmoitusta.
Author
Gregory, Puolasta kotoisin oleva digitaalinen nomadi, ei ole vain talousanalyytikko, vaan myös arvokas avustaja useissa verkkolehdissä. Hänellä on runsaasti kokemusta rahoitusalalta, ja hänen näkemyksensä ja asiantuntemuksensa ovat ansainneet hänelle tunnustusta useissa julkaisuissa. Käyttääkseen vapaa-aikaansa tehokkaasti Gregory on tällä hetkellä omistautunut kirjoittamaan kirjan kryptovaluutoista ja lohkoketjusta.
lisää artikkeleita
Gregory, Puolasta kotoisin oleva digitaalinen nomadi, ei ole vain talousanalyytikko, vaan myös arvokas avustaja useissa verkkolehdissä. Hänellä on runsaasti kokemusta rahoitusalalta, ja hänen näkemyksensä ja asiantuntemuksensa ovat ansainneet hänelle tunnustusta useissa julkaisuissa. Käyttääkseen vapaa-aikaansa tehokkaasti Gregory on tällä hetkellä omistautunut kirjoittamaan kirjan kryptovaluutoista ja lohkoketjusta.
