Esplorare l'adozione dell'FHE attraverso la piattaforma FHERMA Challenge
In Breve
FHERMA si distingue dalle altre soluzioni per una serie di caratteristiche distintive. Inizialmente, fornisce una rapida valutazione delle soluzioni, fornendo risultati in pochi secondi, in contrasto con le procedure di verifica estese osservate nei programmi di ricompensa convenzionali. La piattaforma garantisce trasparenza ed equità utilizzando processi di valutazione completamente automatizzati, eliminando così qualsiasi potenziale pregiudizio introdotto dal coinvolgimento umano. Inoltre, i partecipanti possono tenere traccia delle loro classifiche in tempo reale su una classifica dinamica, facilitando il miglioramento continuo delle soluzioni secondo necessità.
Si parla molto di come la tecnologia Fully Homomorphic Encryption (FHE) potrebbe trasformare la privacy nei sistemi blockchain. È visto come un modo per affrontare i problemi di privacy consentendo calcoli su dati crittografati. Tuttavia, nonostante i progressi nel suo sviluppo, la crittografia completamente omomorfica continua ad affrontare sfide per ottenere un’adozione su vasta scala, principalmente a causa di problemi di prestazioni e di una carenza di ecosistema di sviluppo. Inoltre, l’integrazione di FHE nelle configurazioni blockchain esistenti pone sfide di compatibilità e scalabilità.
Matematica giusta ha risposto a queste sfide introducendo FHERMA, una piattaforma dedicata progettata per ospitare sfide di crittografia completamente omomorfica. Sviluppato in collaborazione dai team Fair Math e OpenFHE, FHERMA si impegna a facilitare la creazione di un'ampia libreria open source di componenti FHE. Questa iniziativa mira a semplificare lo sviluppo delle applicazioni e ad accelerare l’adozione dell’FHE, concentrandosi in particolare sulle applicazioni di Machine Learning e Blockchain.
Il potere delle sfide Black Box su FHERMA
Un aspetto interessante della crittografia completamente omomorfica (FHE) risiede nella sua capacità di consentire a un partecipante, il dimostratore, di dimostrare a un altro partecipante, il verificatore, la propria capacità di risolvere uno specifico problema utilizzando un algoritmo senza rivelare alcun dettaglio sull'algoritmo stesso. In questo processo, il dimostratore manipola i dati di test crittografati forniti dal verificatore e presenta il testo cifrato elaborato come prova. Il verificatore quindi lo decodifica e lo confronta con l'output previsto. Soprattutto negli scenari in cui ciascun testo cifrato rappresenta un insieme di numerosi elementi, la probabilità di indovinare casualmente il risultato diminuisce in modo significativo.
Questo concetto costituisce il fondamento delle sfide Black Box ospitate sulla piattaforma FHERMA. Queste sfide svolgono un ruolo cruciale nel machine learning che preserva la privacy, soddisfacendo le esigenze dei proprietari di set di dati che richiedono un modello ML addestrato sui loro dati proprietari mantenendoli riservati. La crittografia omomorfa emerge come una soluzione adatta a tali requisiti, con le sfide Black Box di FHERMA che fungono da piattaforma per coinvolgere diversi sviluppatori nella creazione del modello necessario.
Promuovere la collaborazione e l’innovazione nella FHE
“Durante lo sviluppo di FHERMA”, ha affermato Gurgen Arakelov, fondatore di Fair Math, “l’obiettivo primario è stato quello di promuovere un ecosistema affidabile che riunisca una vasta gamma di ricercatori, tra cui matematici esperti nella teoria FHE, nonché crittografi, specialisti dell'apprendimento automatico e altri. Ciò favorisce una concorrenza equa e trasparente tra diversi esperti, facilitando al tempo stesso la loro integrazione nella comunità open source”.
I partecipanti contribuiscono con algoritmi e componenti, sottoponendoli a test rigorosi all'interno della piattaforma. In particolare, le sfide Black Box di FHERMA consentono ai partecipanti di valutare la soluzione senza rivelare il codice sorgente. La piattaforma valuta le proposte in base all'accuratezza della cifra fornita dai partecipanti, promuovendo il miglioramento continuo attraverso classifiche interattive.
Oltre alla precisione, la valutazione delle prestazioni diventa cruciale in determinati scenari, portando all’introduzione delle White Box Challenge. Ad esempio, la sfida in corso CIFAR-10 Image Classification richiede ai partecipanti di sviluppare modelli di apprendimento automatico in grado di classificare efficacemente le immagini crittografate dal set di dati CIFAR-10. Le proposte vengono valutate sia in termini di prestazioni che di accuratezza, garantendo le migliori soluzioni preservando la riservatezza.
Sfide FHE: una prospettiva equa e open source
FHERMA si distingue dalle altre soluzioni per una serie di caratteristiche distintive. Inizialmente, fornisce una rapida valutazione delle soluzioni, fornendo risultati in pochi secondi, in contrasto con le procedure di verifica estese osservate nei programmi di ricompensa convenzionali. La piattaforma garantisce trasparenza ed equità utilizzando processi di valutazione completamente automatizzati, eliminando così qualsiasi potenziale pregiudizio introdotto dal coinvolgimento umano. Inoltre, i partecipanti possono tenere traccia delle loro classifiche in tempo reale su una classifica dinamica, facilitando il miglioramento continuo delle soluzioni secondo necessità.
Inoltre, FHERMA offre la flessibilità necessaria per creare sfide basate su vari schemi di crittografia, con nuove sfide introdotte mensilmente. La piattaforma collabora attivamente con i principali ricercatori FHE come OpenFHE, Lattigo e IBM Research per identificare e define argomenti preziosi per la comunità FHE. La sua architettura adattabile è progettata per adattarsi a diversi scenari di utilizzo e specifiche di attività che richiedono la crittografia omomorfica.
Un aspetto integrante della piattaforma è il suo impegno per la comunità, l’apertura e l’equità. A differenza di altre piattaforme che possono imporre accordi restrittivi ai partecipanti, FHERMA richiede solo che le soluzioni siano distribuite con la licenza Apache 2.0, favorendo un ambiente di collaborazione e condivisione delle conoscenze all'interno della comunità FHE.
Negazione di responsabilità
In linea con la Linee guida del progetto Trust, si prega di notare che le informazioni fornite in questa pagina non intendono essere e non devono essere interpretate come consulenza legale, fiscale, di investimento, finanziaria o di qualsiasi altra forma. È importante investire solo ciò che puoi permetterti di perdere e chiedere una consulenza finanziaria indipendente in caso di dubbi. Per ulteriori informazioni, suggeriamo di fare riferimento ai termini e alle condizioni nonché alle pagine di aiuto e supporto fornite dall'emittente o dall'inserzionista. MetaversePost si impegna a fornire report accurati e imparziali, ma le condizioni di mercato sono soggette a modifiche senza preavviso.
Circa l'autore
Gregory, un nomade digitale originario della Polonia, non è solo un analista finanziario ma anche un prezioso collaboratore di varie riviste online. Con una vasta esperienza nel settore finanziario, le sue intuizioni e competenze gli sono valse il riconoscimento in numerose pubblicazioni. Utilizzando in modo efficace il suo tempo libero, Gregory è attualmente dedicato alla scrittura di un libro sulla criptovaluta e la blockchain.
Altri articoli
Gregory, un nomade digitale originario della Polonia, non è solo un analista finanziario ma anche un prezioso collaboratore di varie riviste online. Con una vasta esperienza nel settore finanziario, le sue intuizioni e competenze gli sono valse il riconoscimento in numerose pubblicazioni. Utilizzando in modo efficace il suo tempo libero, Gregory è attualmente dedicato alla scrittura di un libro sulla criptovaluta e la blockchain.
