Изучение внедрения FHE через платформу FHERMA Challenge
Коротко
FHERMA выделяется среди других решений рядом отличительных особенностей. Первоначально он обеспечивает быструю оценку решений, предоставляя результаты в течение нескольких секунд, в отличие от расширенных процедур проверки, наблюдаемых в обычных программах вознаграждения. Платформа обеспечивает прозрачность и справедливость, используя полностью автоматизированные процессы оценки, тем самым устраняя любую потенциальную предвзятость, вызванную участием человека. Кроме того, участники могут отслеживать свои рейтинги в режиме реального времени в динамической таблице лидеров, что способствует постоянному улучшению решений по мере необходимости.
Сейчас много говорят о том, как технология полного гомоморфного шифрования (FHE) может изменить конфиденциальность в системах блокчейна. Это рассматривается как способ решения проблем конфиденциальности, позволяя выполнять вычисления на зашифрованных данных. Однако, несмотря на успехи в разработке, полностью гомоморфное шифрование продолжает сталкиваться с проблемами в достижении широкого внедрения, в первую очередь из-за проблем с производительностью и нехватки экосистемы разработки. Более того, интеграция FHE в существующие настройки блокчейна создает проблемы совместимости и масштабируемости.
Честная математика отреагировал на эти проблемы, представив ФЕРМА, специализированная платформа, предназначенная для решения задач полностью гомоморфного шифрования. FHERMA, разработанная совместно командами Fair Math и OpenFHE, призвана способствовать созданию обширной библиотеки компонентов FHE с открытым исходным кодом. Эта инициатива направлена на упрощение разработки приложений и ускорение внедрения FHE, уделяя особое внимание приложениям машинного обучения и блокчейна.
Сила задач черного ящика на FHERMA
Интересный аспект полностью гомоморфного шифрования (FHE) заключается в его способности позволить одному участнику, проверяющему, продемонстрировать другому участнику, проверяющему, свою способность решить конкретную задачу с использованием алгоритма, не раскрывая никаких подробностей о самом алгоритме. В этом процессе проверяющий манипулирует зашифрованными тестовыми данными, предоставленными проверяющим, и представляет обработанный зашифрованный текст в качестве доказательства. Затем верификатор расшифровывает и сравнивает его с ожидаемым результатом. В частности, в сценариях, где каждый зашифрованный текст представляет собой набор из множества элементов, вероятность случайного угадывания результата значительно снижается.
Эта концепция лежит в основе задач «Черного ящика», размещенных на платформе FHERMA. Эти проблемы играют решающую роль в машинном обучении, обеспечивающем сохранение конфиденциальности, удовлетворяя потребности владельцев наборов данных, которым требуется модель машинного обучения, обученная на их собственных данных, сохраняя при этом их нераскрытие. Гомоморфное шифрование становится подходящим решением для таких требований, а задачи черного ящика FHERMA служат платформой для привлечения различных разработчиков к созданию необходимой модели.
Содействие сотрудничеству и инновациям в FHE
«На протяжении всего развития FHERMA, — сказал Гурген Аракелов, основатель Fair Math, — основная цель заключалась в создании надежной экосистемы, объединяющей широкий круг исследователей, включая математиков, владеющих теорией FHE, а также криптографов, специалисты по машинному обучению и другие. Это способствует справедливой и прозрачной конкуренции между различными экспертами, а также облегчает их интеграцию в сообщество открытого исходного кода».
Участники предоставляют алгоритмы и компоненты, подвергая их тщательному тестированию на платформе. Примечательно, что задачи «черного ящика» FHERMA позволяют участникам оценить решение, не раскрывая исходный код. Платформа оценивает представленные материалы на основе точности шифрования, предоставленного участниками, способствуя постоянному совершенствованию с помощью интерактивных таблиц лидеров.
Помимо точности, в определенных сценариях решающее значение приобретает оценка эффективности, что приводит к введению задач белого ящика. Например, текущая задача по классификации изображений CIFAR-10 требует от участников разработки моделей машинного обучения, которые смогут эффективно классифицировать зашифрованные изображения из набора данных CIFAR-10. Представленные материалы оцениваются как по производительности, так и по точности, что обеспечивает наилучшие решения при сохранении конфиденциальности.
Проблемы FHE: справедливая точка зрения и открытый исходный код
FHERMA выделяется среди других решений рядом отличительных особенностей. Первоначально он обеспечивает быструю оценку решений, предоставляя результаты в течение нескольких секунд, в отличие от расширенных процедур проверки, наблюдаемых в обычных программах вознаграждения. Платформа обеспечивает прозрачность и справедливость, используя полностью автоматизированные процессы оценки, тем самым устраняя любую потенциальную предвзятость, вызванную участием человека. Кроме того, участники могут отслеживать свои рейтинги в режиме реального времени в динамической таблице лидеров, что способствует постоянному улучшению решений по мере необходимости.
Более того, FHERMA обеспечивает гибкость для создания задач на основе различных схем шифрования, причем новые задачи добавляются ежемесячно. Платформа активно сотрудничает с ведущими исследователями FHE, такими как OpenFHE, Lattigo и IBM Research, для выявления и define ценные темы для сообщества FHE. Его адаптируемая архитектура разработана с учетом различных сценариев использования и спецификаций задач, требующих гомоморфного шифрования.
Неотъемлемым аспектом платформы является ее приверженность сообществу, открытости и справедливости. В отличие от других платформ, которые могут налагать ограничительные соглашения на участников, FHERMA требует, чтобы решения распространялись только под лицензией Apache 2.0, создавая среду сотрудничества и обмена знаниями внутри сообщества FHE.
Условия использования
В соответствии с Руководство трастового проектаОбратите внимание, что информация, представленная на этой странице, не предназначена и не должна интерпретироваться как юридическая, налоговая, инвестиционная, финансовая или любая другая форма консультации. Важно инвестировать только то, что вы можете позволить себе потерять, и обращаться за независимой финансовой консультацией, если у вас есть какие-либо сомнения. Для получения дополнительной информации мы предлагаем обратиться к положениям и условиям, а также к страницам справки и поддержки, предоставленным эмитентом или рекламодателем. MetaversePost стремится предоставлять точную и объективную отчетность, однако рыночные условия могут быть изменены без предварительного уведомления.
Об авторе
Грегори, цифровой кочевник родом из Польши, является не только финансовым аналитиком, но и ценным автором различных онлайн-журналов. Благодаря богатому опыту работы в финансовой отрасли, его идеи и знания снискали ему признание в многочисленных публикациях. Эффективно используя свое свободное время, Грегори в настоящее время занимается написанием книги о криптовалюте и блокчейне.
Другие статьи
Грегори, цифровой кочевник родом из Польши, является не только финансовым аналитиком, но и ценным автором различных онлайн-журналов. Благодаря богатому опыту работы в финансовой отрасли, его идеи и знания снискали ему признание в многочисленных публикациях. Эффективно используя свое свободное время, Грегори в настоящее время занимается написанием книги о криптовалюте и блокчейне.
