Penulis: David C, Sumber: Bankless, Diterjemahkan oleh: Shaw Jincai Finance
Seiring dengan meningkatnya kekhawatiran masyarakat terhadap pengawasan dan pengembangan data, bidang kripto baru-baru ini mempercepat integrasi teknologi peningkatan privasi (PET) ke dalam infrastruktur inti mereka.
Blockchain dirancang untuk sepenuhnya transparan, meskipun industri kripto telah lama menekankan metode privasi (seperti pengadukan token atau token berbasis privasi), namun juga terus berupaya untuk memperluas jangkauan privasi (melampaui DeFi dan pembayaran sederhana), tanpa membatasi privasi hanya pada jaringan khusus.
Seiring dengan semakin banyaknya aplikasi blockchain dalam pelatihan kecerdasan buatan dan pembiayaan institusi, penerapan teknologi kripto alternatif juga semakin populer. Empat teknologi yang paling terkenal adalah: Komputasi Multi-Pihak ( MPC ), Enkripsi Homomorfik Penuh ( FHE ), Lingkungan Eksekusi Tepercaya ( TEE ), dan Lapisan Keamanan Transmisi Tanpa Pengetahuan ( zkTLS ).
Artikel ini bertujuan untuk menunjukkan peran, penggunaan kasus, dan proyek kunci yang berbasis pada setiap teknologi dalam meningkatkan privasi.
Komputasi Multi-Pihak (MPC)
MPC adalah jenis komputasi terdistribusi yang memungkinkan beberapa kelompok untuk secara bersama-sama menghitung sesuatu tanpa mengungkapkan informasi mereka sendiri.
Misalkan Anda dan lima teman ingin menghitung rata-rata gaji kalian, tetapi tidak ingin mengungkapkan jumlah spesifik. Setiap orang membagi gaji mereka secara acak menjadi enam bagian, dan setiap orang menerima satu bagian. Setiap orang memegang satu bagian, tetapi tidak ada yang bisa mengembalikan gaji orang lain, karena mereka hanya memiliki satu bagian dari enam bagian gaji yang diperlukan. Setiap orang menghitung dari enam bagian gaji ini, bukan dari gaji asli. Hasil-hasil ini digabungkan untuk menghitung rata-rata akhir, tanpa ada yang mengetahui gaji spesifik.
Ketika pembatasan regulasi atau kekhawatiran kompetisi menghalangi berbagi data secara langsung, namun analisis kolektif dapat menguntungkan semua pihak, MPC menjadi sangat penting. Contoh tipikalnya adalah beberapa rumah sakit ingin memanfaatkan data pasien untuk melatih AI—hukum dan peraturan melarang berbagi data medis sensitif, tetapi MPC dapat melakukan pelatihan kolektif tanpa benar-benar membagikan data.
Hambatan MPC
Dengan semakin banyak orang yang bergabung dalam jaringan komputasi multi-partai, kesulitan manajemen juga meningkat. Sistem perlu menyampaikan lebih banyak pesan di antara para peserta, sementara batas kapasitas internet dapat menyebabkan kecepatan menjadi lambat. Setiap orang perlu melakukan lebih banyak perhitungan, menghabiskan lebih banyak daya komputasi. Meskipun blockchain dapat mencegah perilaku curang dengan menghukum pelaku buruk yang mungkin berkolusi di jaringan, mereka tidak dapat menyelesaikan masalah sumber daya dan daya komputasi ini.
Siapa yang menggunakan MPC? Untuk tujuan apa?
Fireblocks——institusi kustodian yang membagi kunci privat antar perangkat menggunakan MPC untuk memastikan bahwa kunci lengkap tidak pernah bocor.
Arcium——Jaringan yang tidak terikat pada rantai untuk pemrosesan AI pribadi dan tugas sensitif menggunakan MPC.
Renegade——kolam gelap on-chain untuk transaksi rahasia menggunakan MPC.
Enkripsi Homomorfik Penuh (FHE)
FHE memungkinkan pemrosesan data tanpa dekripsi, yang berarti data sensitif tetap dalam keadaan terenkripsi saat disimpan, ditransmisikan, dan dianalisis.
Saat ini, data dienkripsi selama proses transmisi, tetapi harus didekripsi untuk pemrosesan, yang menciptakan jendela kerentanan. Misalnya, ketika saya mengirim foto ke cloud, foto-foto tersebut dienkripsi selama proses transmisi, tetapi saat tiba, mereka akan didekripsi. FHE menghilangkan langkah dekripsi ini - data tetap terenkripsi selama seluruh proses komputasi, sehingga melindungi informasi selama penggunaan aktif.
Bayangkan FHE sebagai brankas terkunci dengan sarung tangan yang dapat diprogram. Anda memasukkan data pribadi dan instruksi program: "Jumlahkan angka-angka ini", "Urutkan daftar ini". Anda memberikan brankas dan sarung tangan itu kepada orang lain. Mereka akan secara buta mengoperasikan isi brankas, mengikuti instruksi, tanpa melihat apa yang ada di dalamnya. Setelah selesai, mereka akan mengembalikan brankas kepada Anda, dan Anda membukanya untuk mendapatkan hasil yang benar.
Hambatan FHE
FHE akan menyebabkan kehilangan kinerja yang serius—kecepatan komputasi akan menurun 10 hingga 100 kali. Menambahkan verifikasi nol pengetahuan (zkFHE) akan membuat kecepatan turun beberapa tingkat lebih lanjut. Alasan para pengembang menginginkan kombinasi ini adalah karena meskipun FHE dapat melindungi input, ia tidak dapat menjamin keakuratan operasi. Dengan kata lain, masalahnya adalah apakah orang yang Anda berikan izin untuk menjalankan perhitungan pada data yang dilindungi oleh FHE benar-benar melakukan operasi dengan benar. Meskipun kurangnya kemampuan verifikasi ini, menambahkannya akan membuat sistem yang sudah sangat lambat hampir tidak dapat digunakan untuk aplikasi waktu nyata.
Siapa yang menggunakan FHE? Untuk tujuan apa?
Zama —— Penyedia alat FHE, menggunakan alat seperti fhEVM untuk mengimplementasikan kontrak pintar terenkripsi di jaringan EVM.
Fhenix——perusahaan penelitian yang membawa FHE ke aplikasi praktis.
PrivaSea—— Jaringan pelatihan AI untuk pembelajaran mesin terenkripsi menggunakan alat FHE dari Zama.
Octra——Jaringan umum yang menggunakan FHE proprietary untuk perhitungan enkripsi cepat, memiliki konsensus pembelajaran mesin dan layanan sewa.
Lingkungan Eksekusi Tepercaya (TEE)
TEE adalah area perangkat keras yang aman, dapat mengisolasi penyimpanan dan pemrosesan data, mencegah sisa mesin (termasuk sistem operasi dan operator) mengakses data tersebut.
Jika Anda memiliki iPhone, Anda akan berinteraksi dengan TEE setiap hari, karena Apple menggunakannya untuk menyimpan data biometrik. Cara kerjanya adalah sebagai berikut: TEE menyimpan data pemindaian wajah atau sidik jari di area chip yang aman. Ketika aplikasi meminta otentikasi, data pemindaian baru akan dikirim ke TEE untuk dicocokkan. Proses pencocokan ini dilakukan di dalam perangkat keras yang tertutup—aplikasi atau sistem operasi tidak dapat melihat data biometrik apa pun. TEE hanya akan mengembalikan "ya" atau "tidak".
TEE telah mulai muncul di bidang cryptocurrency, digunakan untuk kontrak pintar yang rahasia dan perhitungan. Uniswap's Layer-2 Unichain menggunakan TEE untuk membangun blok secara adil dan mencegah serangan MEV.
Hambatan TEE
Integritas TEE bergantung pada penyedia perangkat keras, bukan pada jaringan terdistribusi, yang membuatnya terpusat pada standar kriptografi. Seseorang mungkin dapat merusak TEE di lingkungan produksi atau mengeksploitasi kerentanannya. Jaringan Rahasia pernah mengalami situasi seperti ini, di mana peneliti menemukan kerentanan pada chip Intel, yang menyebabkan semua transaksi jaringan terdekripsi.
Siapa yang menggunakan TEE? Untuk tujuan apa?
Space Computer —— Blockchain yang menggunakan TEE di node satelit, dengan menjalankan perangkat keras anti-penipuan di orbit.
Oasis Protocol —— Lapisan 1 menggunakan TEE untuk mengimplementasikan kontrak pintar rahasia yang kompatibel dengan EVM.
Phala Network——platform cloud terdesentralisasi yang menggunakan TEE dari berbagai penyedia perangkat keras untuk komputasi rahasia.
Lapisan Keamanan Transfer Pengetahuan Nol (zkTLS)
zkTLS menggabungkan TLS (yang telah digunakan dalam HTTPS untuk keamanan internet) dengan bukti nol pengetahuan (ZKP) untuk memastikan privasi dan verifiabilitas informasi.
Dengan menambahkan bukti nol pengetahuan (ZKP), zkTLS memungkinkan pengguna untuk mentransfer data HTTPS apa pun (yang menyumbang 95% dari lalu lintas jaringan), sambil mengendalikan informasi yang bocor. Ini memungkinkan data dari platform Web2 untuk berfungsi sebagai API publik tanpa batasan otoritas platform, sehingga menghubungkan seluruh jaringan dan menjembatani Web2 dan Web3.
Misalnya, anggaplah Anda ingin menggunakan saldo bank untuk pinjaman on-chain. Anda dapat mengakses akun bank Anda melalui alat zkTLS, karena bank menggunakan HTTPS, alat ini dapat menganalisis data apa pun yang ditampilkan. Alat ini akan menghasilkan bukti pengetahuan nol untuk saldo Anda (ZKP), untuk membuktikan dana, tetapi tidak akan mengungkapkan jumlah spesifik atau riwayat transaksi. Anda menyerahkan bukti ini ke platform pinjaman DeFi, yang akan memverifikasi status kredit Anda tanpa mengakses data keuangan pribadi.
hambatan zkTLS
zkTLS hanya berlaku untuk data yang ditampilkan di situs web - ia tidak dapat memaksa situs web untuk menampilkan informasi yang tersembunyi. Ini bergantung pada penggunaan protokol TLS yang berkelanjutan, dan memerlukan partisipasi oracle waktu nyata, sehingga memperkenalkan penundaan dan asumsi kepercayaan.
Siapa yang menggunakan zkTLS? Untuk tujuan apa?
ZKP2P: Protokol ramp open/close menggunakan zkTLS untuk mentransfer dana secara pribadi di dalam dan di luar rantai.
EarniFi——platform pinjaman yang menggunakan zkTLS, menyediakan pinjaman dengan perlindungan privasi untuk karyawan yang telah menghasilkan tetapi belum dibayar gaji.
DaisyPay——Aplikasi untuk kolaborasi influencer dan pembayaran instan menggunakan zkTLS.
Secara umum, setiap jenis PET melayani tujuan yang berbeda, dan memiliki kelebihan dan kekurangan masing-masing. Aplikasi dapat menggabungkan beberapa PET berdasarkan kebutuhan data. Platform AI terdesentralisasi mungkin menggunakan MPC untuk koordinasi awal, menggunakan FHE untuk perhitungan, dan menggunakan TEE untuk manajemen kunci.
zkTLS memiliki banyak metode implementasi yang berbeda, yang memanfaatkan berbagai PET dalam arsitekturnya. Alat-alat ini, ketika digabungkan, dapat sangat memperluas ruang desain cryptocurrency dan memaksimalkan potensinya sebagai iterasi Web generasi berikutnya. Seperti yang diketahui, cryptocurrency masih perlu meningkatkan pengalaman pengguna, yang sangat penting untuk meningkatkan kegunaan dan penerapan luas layanan privasi ini.
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
Bankless: Gelombang Teknologi Privasi Aset Kripto
Penulis: David C, Sumber: Bankless, Diterjemahkan oleh: Shaw Jincai Finance
Seiring dengan meningkatnya kekhawatiran masyarakat terhadap pengawasan dan pengembangan data, bidang kripto baru-baru ini mempercepat integrasi teknologi peningkatan privasi (PET) ke dalam infrastruktur inti mereka.
Blockchain dirancang untuk sepenuhnya transparan, meskipun industri kripto telah lama menekankan metode privasi (seperti pengadukan token atau token berbasis privasi), namun juga terus berupaya untuk memperluas jangkauan privasi (melampaui DeFi dan pembayaran sederhana), tanpa membatasi privasi hanya pada jaringan khusus.
Seiring dengan semakin banyaknya aplikasi blockchain dalam pelatihan kecerdasan buatan dan pembiayaan institusi, penerapan teknologi kripto alternatif juga semakin populer. Empat teknologi yang paling terkenal adalah: Komputasi Multi-Pihak ( MPC ), Enkripsi Homomorfik Penuh ( FHE ), Lingkungan Eksekusi Tepercaya ( TEE ), dan Lapisan Keamanan Transmisi Tanpa Pengetahuan ( zkTLS ).
Artikel ini bertujuan untuk menunjukkan peran, penggunaan kasus, dan proyek kunci yang berbasis pada setiap teknologi dalam meningkatkan privasi.
Komputasi Multi-Pihak (MPC)
MPC adalah jenis komputasi terdistribusi yang memungkinkan beberapa kelompok untuk secara bersama-sama menghitung sesuatu tanpa mengungkapkan informasi mereka sendiri.
Misalkan Anda dan lima teman ingin menghitung rata-rata gaji kalian, tetapi tidak ingin mengungkapkan jumlah spesifik. Setiap orang membagi gaji mereka secara acak menjadi enam bagian, dan setiap orang menerima satu bagian. Setiap orang memegang satu bagian, tetapi tidak ada yang bisa mengembalikan gaji orang lain, karena mereka hanya memiliki satu bagian dari enam bagian gaji yang diperlukan. Setiap orang menghitung dari enam bagian gaji ini, bukan dari gaji asli. Hasil-hasil ini digabungkan untuk menghitung rata-rata akhir, tanpa ada yang mengetahui gaji spesifik.
Ketika pembatasan regulasi atau kekhawatiran kompetisi menghalangi berbagi data secara langsung, namun analisis kolektif dapat menguntungkan semua pihak, MPC menjadi sangat penting. Contoh tipikalnya adalah beberapa rumah sakit ingin memanfaatkan data pasien untuk melatih AI—hukum dan peraturan melarang berbagi data medis sensitif, tetapi MPC dapat melakukan pelatihan kolektif tanpa benar-benar membagikan data.
Hambatan MPC
Dengan semakin banyak orang yang bergabung dalam jaringan komputasi multi-partai, kesulitan manajemen juga meningkat. Sistem perlu menyampaikan lebih banyak pesan di antara para peserta, sementara batas kapasitas internet dapat menyebabkan kecepatan menjadi lambat. Setiap orang perlu melakukan lebih banyak perhitungan, menghabiskan lebih banyak daya komputasi. Meskipun blockchain dapat mencegah perilaku curang dengan menghukum pelaku buruk yang mungkin berkolusi di jaringan, mereka tidak dapat menyelesaikan masalah sumber daya dan daya komputasi ini.
Siapa yang menggunakan MPC? Untuk tujuan apa?
Enkripsi Homomorfik Penuh (FHE)
FHE memungkinkan pemrosesan data tanpa dekripsi, yang berarti data sensitif tetap dalam keadaan terenkripsi saat disimpan, ditransmisikan, dan dianalisis.
Saat ini, data dienkripsi selama proses transmisi, tetapi harus didekripsi untuk pemrosesan, yang menciptakan jendela kerentanan. Misalnya, ketika saya mengirim foto ke cloud, foto-foto tersebut dienkripsi selama proses transmisi, tetapi saat tiba, mereka akan didekripsi. FHE menghilangkan langkah dekripsi ini - data tetap terenkripsi selama seluruh proses komputasi, sehingga melindungi informasi selama penggunaan aktif.
Bayangkan FHE sebagai brankas terkunci dengan sarung tangan yang dapat diprogram. Anda memasukkan data pribadi dan instruksi program: "Jumlahkan angka-angka ini", "Urutkan daftar ini". Anda memberikan brankas dan sarung tangan itu kepada orang lain. Mereka akan secara buta mengoperasikan isi brankas, mengikuti instruksi, tanpa melihat apa yang ada di dalamnya. Setelah selesai, mereka akan mengembalikan brankas kepada Anda, dan Anda membukanya untuk mendapatkan hasil yang benar.
Hambatan FHE
FHE akan menyebabkan kehilangan kinerja yang serius—kecepatan komputasi akan menurun 10 hingga 100 kali. Menambahkan verifikasi nol pengetahuan (zkFHE) akan membuat kecepatan turun beberapa tingkat lebih lanjut. Alasan para pengembang menginginkan kombinasi ini adalah karena meskipun FHE dapat melindungi input, ia tidak dapat menjamin keakuratan operasi. Dengan kata lain, masalahnya adalah apakah orang yang Anda berikan izin untuk menjalankan perhitungan pada data yang dilindungi oleh FHE benar-benar melakukan operasi dengan benar. Meskipun kurangnya kemampuan verifikasi ini, menambahkannya akan membuat sistem yang sudah sangat lambat hampir tidak dapat digunakan untuk aplikasi waktu nyata.
Siapa yang menggunakan FHE? Untuk tujuan apa?
Lingkungan Eksekusi Tepercaya (TEE)
TEE adalah area perangkat keras yang aman, dapat mengisolasi penyimpanan dan pemrosesan data, mencegah sisa mesin (termasuk sistem operasi dan operator) mengakses data tersebut.
Jika Anda memiliki iPhone, Anda akan berinteraksi dengan TEE setiap hari, karena Apple menggunakannya untuk menyimpan data biometrik. Cara kerjanya adalah sebagai berikut: TEE menyimpan data pemindaian wajah atau sidik jari di area chip yang aman. Ketika aplikasi meminta otentikasi, data pemindaian baru akan dikirim ke TEE untuk dicocokkan. Proses pencocokan ini dilakukan di dalam perangkat keras yang tertutup—aplikasi atau sistem operasi tidak dapat melihat data biometrik apa pun. TEE hanya akan mengembalikan "ya" atau "tidak".
TEE telah mulai muncul di bidang cryptocurrency, digunakan untuk kontrak pintar yang rahasia dan perhitungan. Uniswap's Layer-2 Unichain menggunakan TEE untuk membangun blok secara adil dan mencegah serangan MEV.
Hambatan TEE
Integritas TEE bergantung pada penyedia perangkat keras, bukan pada jaringan terdistribusi, yang membuatnya terpusat pada standar kriptografi. Seseorang mungkin dapat merusak TEE di lingkungan produksi atau mengeksploitasi kerentanannya. Jaringan Rahasia pernah mengalami situasi seperti ini, di mana peneliti menemukan kerentanan pada chip Intel, yang menyebabkan semua transaksi jaringan terdekripsi.
Siapa yang menggunakan TEE? Untuk tujuan apa?
Lapisan Keamanan Transfer Pengetahuan Nol (zkTLS)
zkTLS menggabungkan TLS (yang telah digunakan dalam HTTPS untuk keamanan internet) dengan bukti nol pengetahuan (ZKP) untuk memastikan privasi dan verifiabilitas informasi.
Dengan menambahkan bukti nol pengetahuan (ZKP), zkTLS memungkinkan pengguna untuk mentransfer data HTTPS apa pun (yang menyumbang 95% dari lalu lintas jaringan), sambil mengendalikan informasi yang bocor. Ini memungkinkan data dari platform Web2 untuk berfungsi sebagai API publik tanpa batasan otoritas platform, sehingga menghubungkan seluruh jaringan dan menjembatani Web2 dan Web3.
Misalnya, anggaplah Anda ingin menggunakan saldo bank untuk pinjaman on-chain. Anda dapat mengakses akun bank Anda melalui alat zkTLS, karena bank menggunakan HTTPS, alat ini dapat menganalisis data apa pun yang ditampilkan. Alat ini akan menghasilkan bukti pengetahuan nol untuk saldo Anda (ZKP), untuk membuktikan dana, tetapi tidak akan mengungkapkan jumlah spesifik atau riwayat transaksi. Anda menyerahkan bukti ini ke platform pinjaman DeFi, yang akan memverifikasi status kredit Anda tanpa mengakses data keuangan pribadi.
hambatan zkTLS
zkTLS hanya berlaku untuk data yang ditampilkan di situs web - ia tidak dapat memaksa situs web untuk menampilkan informasi yang tersembunyi. Ini bergantung pada penggunaan protokol TLS yang berkelanjutan, dan memerlukan partisipasi oracle waktu nyata, sehingga memperkenalkan penundaan dan asumsi kepercayaan.
Siapa yang menggunakan zkTLS? Untuk tujuan apa?
Secara umum, setiap jenis PET melayani tujuan yang berbeda, dan memiliki kelebihan dan kekurangan masing-masing. Aplikasi dapat menggabungkan beberapa PET berdasarkan kebutuhan data. Platform AI terdesentralisasi mungkin menggunakan MPC untuk koordinasi awal, menggunakan FHE untuk perhitungan, dan menggunakan TEE untuk manajemen kunci.
zkTLS memiliki banyak metode implementasi yang berbeda, yang memanfaatkan berbagai PET dalam arsitekturnya. Alat-alat ini, ketika digabungkan, dapat sangat memperluas ruang desain cryptocurrency dan memaksimalkan potensinya sebagai iterasi Web generasi berikutnya. Seperti yang diketahui, cryptocurrency masih perlu meningkatkan pengalaman pengguna, yang sangat penting untuk meningkatkan kegunaan dan penerapan luas layanan privasi ini.