Explorer l'adoption du FHE via la plateforme FHERMA Challenge
En bref
FHERMA se distingue des autres solutions par de nombreuses caractéristiques distinctives. Initialement, il permet une évaluation rapide des solutions, produisant des résultats en quelques secondes, contrastant avec les procédures de vérification étendues observées dans les programmes de primes conventionnels. La plateforme garantit la transparence et l'équité en utilisant des processus d'évaluation entièrement automatisés, éliminant ainsi tout biais potentiel introduit par l'implication humaine. De plus, les participants peuvent suivre leur classement en temps réel sur un classement dynamique, facilitant ainsi l'amélioration continue des solutions selon les besoins.
On parle beaucoup de la façon dont la technologie de cryptage entièrement homomorphe (FHE) pourrait transformer la confidentialité dans les systèmes blockchain. Cela est considéré comme un moyen de résoudre les problèmes de confidentialité en autorisant les calculs sur des données cryptées. Cependant, malgré les progrès réalisés dans son développement, le chiffrement entièrement homomorphe continue de rencontrer des difficultés pour parvenir à une large adoption, principalement en raison de problèmes de performances et d'un manque d'écosystème de développement. De plus, l’intégration de FHE dans les configurations blockchain existantes pose des problèmes de compatibilité et d’évolutivité.
Mathématiques équitables a répondu à ces défis en introduisant FHERMA, une plateforme dédiée conçue pour héberger des défis de chiffrement entièrement homomorphe. Développé en collaboration par les équipes Fair Math et OpenFHE, FHERMA s'engage à faciliter la création d'une vaste bibliothèque open source de composants FHE. Cette initiative vise à simplifier le développement d’applications et à accélérer l’adoption de FHE, en se concentrant particulièrement sur les applications de Machine Learning et Blockchain.
La puissance des défis Black Box sur FHERMA
Un aspect intéressant du chiffrement entièrement homomorphe (FHE) réside dans sa capacité à permettre à un participant, le prouveur, de démontrer à un autre participant, le vérificateur, sa capacité à résoudre un problème spécifique à l'aide d'un algorithme sans révéler aucun détail sur l'algorithme lui-même. Dans ce processus, le prouveur manipule les données de test cryptées fournies par le vérificateur et présente le texte chiffré traité comme preuve. Le vérificateur le décrypte ensuite et le compare avec le résultat attendu. En particulier dans les scénarios où chaque texte chiffré représente un lot de nombreux éléments, la probabilité de deviner le résultat au hasard diminue considérablement.
Ce concept constitue le socle des challenges Black Box hébergés sur la plateforme FHERMA. Ces défis jouent un rôle crucial dans l'apprentissage automatique préservant la confidentialité, répondant aux besoins des propriétaires d'ensembles de données qui ont besoin d'un modèle ML formé sur leurs données propriétaires tout en les gardant confidentielles. Le chiffrement homomorphe apparaît comme une solution adaptée à de telles exigences, les défis Black Box de FHERMA servant de plate-forme pour impliquer divers développeurs dans l'élaboration du modèle nécessaire.
Favoriser la collaboration et l’innovation au sein de FHE
"Tout au long du développement de FHERMA", a déclaré Gurgen Arakelov, fondateur de Fair Math, "l'un des principaux objectifs a été de favoriser un écosystème fiable qui rassemble un large éventail de chercheurs, notamment des mathématiciens compétents en théorie FHE, ainsi que des cryptographes, spécialistes de l’apprentissage automatique et autres. Cela favorise une concurrence équitable et transparente entre divers experts tout en facilitant leur intégration dans la communauté open source.
Les participants fournissent des algorithmes et des composants, en les soumettant à des tests rigoureux au sein de la plateforme. Notamment, les défis Black Box de FHERMA permettent aux participants d'évaluer la solution sans révéler le code source. La plateforme évalue les soumissions en fonction de l'exactitude du chiffre fourni par les participants, favorisant l'amélioration continue grâce à des classements interactifs.
En plus de la précision, l’évaluation des performances devient cruciale dans certains scénarios, conduisant à l’introduction des White Box Challenges. Par exemple, le défi en cours de classification d’images CIFAR-10 exige que les participants développent des modèles d’apprentissage automatique capables de classer efficacement les images chiffrées de l’ensemble de données CIFAR-10. Les soumissions sont évaluées à la fois pour leurs performances et leur exactitude, garantissant les meilleures solutions tout en préservant la confidentialité.
Défis FHE : une perspective équitable et open source
FHERMA se distingue des autres solutions par de nombreuses caractéristiques distinctives. Initialement, il permet une évaluation rapide des solutions, produisant des résultats en quelques secondes, contrastant avec les procédures de vérification étendues observées dans les programmes de primes conventionnels. La plateforme garantit la transparence et l'équité en utilisant des processus d'évaluation entièrement automatisés, éliminant ainsi tout biais potentiel introduit par l'implication humaine. De plus, les participants peuvent suivre leur classement en temps réel sur un classement dynamique, facilitant ainsi l'amélioration continue des solutions selon les besoins.
De plus, FHERMA offre la flexibilité nécessaire pour créer des défis basés sur différents schémas de cryptage, avec de nouveaux défis introduits chaque mois. La plateforme collabore activement avec des chercheurs FHE de premier plan tels que OpenFHE, Lattigo et IBM Research pour identifier et defides sujets précieux pour la communauté FHE. Son architecture adaptable est conçue pour s'adapter à divers scénarios d'utilisation et spécifications de tâches nécessitant un cryptage homomorphe.
Un aspect essentiel de la plateforme est son engagement envers la communauté, l’ouverture et l’équité. Contrairement à d'autres plateformes qui peuvent imposer des accords restrictifs aux participants, FHERMA exige uniquement que les solutions soient distribuées sous licence Apache 2.0, favorisant ainsi un environnement de collaboration et de partage de connaissances au sein de la communauté FHE.
Clause de non-responsabilité
En ligne avec la Lignes directrices du projet de confiance, veuillez noter que les informations fournies sur cette page ne sont pas destinées à être et ne doivent pas être interprétées comme des conseils juridiques, fiscaux, d'investissement, financiers ou toute autre forme de conseil. Il est important d’investir uniquement ce que vous pouvez vous permettre de perdre et de demander des conseils financiers indépendants en cas de doute. Pour plus d'informations, nous vous suggérons de vous référer aux conditions générales ainsi qu'aux pages d'aide et de support mises à disposition par l'émetteur ou l'annonceur. MetaversePost s'engage à fournir des rapports précis et impartiaux, mais les conditions du marché sont susceptibles de changer sans préavis.
A propos de l'auteur
Gregory, un nomade numérique originaire de Pologne, est non seulement un analyste financier mais également un contributeur précieux à divers magazines en ligne. Fort d'une riche expérience dans le secteur financier, ses connaissances et son expertise lui ont valu d'être reconnu dans de nombreuses publications. Utilisant efficacement son temps libre, Gregory se consacre actuellement à l'écriture d'un livre sur la crypto-monnaie et la blockchain.
Plus d'articles
Gregory, un nomade numérique originaire de Pologne, est non seulement un analyste financier mais également un contributeur précieux à divers magazines en ligne. Fort d'une riche expérience dans le secteur financier, ses connaissances et son expertise lui ont valu d'être reconnu dans de nombreuses publications. Utilisant efficacement son temps libre, Gregory se consacre actuellement à l'écriture d'un livre sur la crypto-monnaie et la blockchain.
