WiMi Hologram Cloud Inc. gab bekannt, dass die auf maschinellem Lernen und vollständig homomorphem Verschlüsselungsalgorithmus basierende Blockchain-Datenverschlüsselung eine umfassende Lösung ist, die modernste Kryptographie und Technologien der künstlichen Intelligenz für den Schutz von Blockchain-Daten einsetzt. Sie kombiniert die intelligente Schlüsselverwaltung des maschinellen Lernens mit der direkten Berechnung des Chiffretextes durch die vollständig homomorphe Verschlüsselung. Damit soll sichergestellt werden, dass die Daten in der Blockchain einen wirksamen Schutz sensibler Informationen erhalten und gleichzeitig ein hohes Maß an Transparenz und Manipulationssicherheit gewahrt bleibt. Die vollständig homomorphe Verschlüsselung (Full Homomorphic Encryption, FHE) ist eine fortschrittliche kryptografische Technik, mit der Berechnungen an verschlüsselten Daten durchgeführt werden können, ohne dass diese zuvor entschlüsselt werden müssen. Das Ergebnis der Berechnung bleibt verschlüsselt und das entschlüsselte Ergebnis entspricht dem Ergebnis der direkten Berechnung am Klartext.

Diese Technologie liefert neue Ideen für die Lösung von Blockchain-Datenschutzproblemen. FHE kann auch komplexere Operationen wie Potenzierung, Division, Vergleich usw. unterstützen, wodurch es möglich wird, maschinelle Lernmodelle auf verschlüsselten Daten auszuführen. Durch die vollständig homomorphe Verschlüsselung sensibler Daten auf der Blockchain (z. B. Transaktionsbeträge, Benutzeridentitäten, Smart-Contract-Parameter usw.) wird sichergestellt, dass diese Informationen zwar offen und transparent auf der Kette liegen, aber nur der Dateneigentümer oder autorisierte Teilnehmer den spezifischen Inhalt entschlüsseln und darauf zugreifen können. Damit wird die harmonische Existenz des Datenschutzes und das Prinzip der Blockchain-Transparenz realisiert.

Nach dem Empfang der verschlüsselten Daten können die Blockchain-Knoten direkt Operationen wie Verifizierung, Buchhaltung und die Ausführung von Smart Contracts mit dem verschlüsselten Text durchführen. FHE sorgt dafür, dass diese Operationen keine Klartextinformationen preisgeben und die Berechnungsergebnisse verschlüsselt bleiben. Der Eigentümer der Daten oder der Teilnehmer mit den entsprechenden Rechten verwendet den privaten Schlüssel zur Entschlüsselung der verschlüsselten Ergebnisse, um Entscheidungen zu treffen, Vermögenswerte zu übertragen und die Ergebnisse der Vertragsausführung zu bestätigen.

Unbefugte können die Daten nicht entschlüsseln, so dass der Datenschutz gewahrt bleibt. Die Anwendung der Technologie des maschinellen Lernens in der Informationssicherheit nimmt ebenfalls zu, insbesondere bei der Schlüsselverwaltung, der Erkennung von Bedrohungen, der Risikobewertung usw. Mit der Optimierung von Algorithmen und der Beschleunigung von Hardware können maschinelle Lernmodelle große Datenmengen in einer Echtzeitumgebung effizient verarbeiten, mehrdimensionale Informationen wie die Netzwerkumgebung, das Benutzerverhalten, Blockchain-Transaktionsmuster usw. in Echtzeit analysieren, dynamisch generieren und in Echtzeit verarbeiten.

in Echtzeit zu analysieren, dynamisch Verschlüsselungsschlüssel zu generieren und zu aktualisieren, die Zufälligkeit und Knacksicherheit der Schlüssel zu verbessern und die intelligente Verwaltung von Verschlüsselungssystemen zu realisieren. Die Verwendung des durch maschinelles Lernen generierten dynamischen Schlüssels zur Verschlüsselung sensibler Daten in der Blockchain kann die Sicherheit der Daten gewährleisten, wenn sie in der Kette übertragen und gespeichert werden. Gleichzeitig kann das maschinelle Lernen auch eine Risikobewertung und Frühwarnung des Blockchain-Systems durchführen, die Verschlüsselungsstrategie entsprechend der Risikolage anpassen, die Anpassungs- und Verteidigungsfähigkeit der Datenverschlüsselung verbessern, mit wechselnden Angriffsmitteln und Sicherheitsbedrohungen fertig werden und die Datensicherheit gewährleisten. Die Datenverschlüsselungstechnologie von WiMi, die auf maschinellem Lernen und einem vollständig homomorphen Verschlüsselungsalgorithmus basiert, kann in der Blockchain in Szenarien wie datenschutzgeschützte Transaktionen, private Smart Contracts, kettenübergreifender Datenaustausch und Zusammenarbeit, Datenanalyse auf der Kette und maschinelles Lernen eingesetzt werden.

Beispielsweise können beide Parteien einer Transaktion FHE verwenden, um sensible Informationen wie den Transaktionsbetrag, die Art des Vermögenswerts und den Zweck der Transaktion zu verschlüsseln. Damit wird sichergestellt, dass diese Informationen zwar offen sind, aber nur von beiden Parteien der Transaktion und den notwendigen Validierungsknoten entschlüsselt und eingesehen werden können, wodurch die Privatsphäre der Transaktion geschützt wird. Die Codelogik und die Eingabedaten von Smart Contracts können zunächst FHE durchlaufen und dann auf der Kette ausgeführt werden. Selbst wenn der Vertragscode und die Eingabedaten für die Öffentlichkeit sichtbar sind, bleiben die Berechnungsergebnisse verschlüsselt und können nur von den Vertragsteilnehmern entschlüsselt werden, wodurch Geschäftsgeheimnisse und die Privatsphäre des Ausführungsprozesses geschützt werden.

In Multi-Chain- oder Cross-Chain-Umgebungen stellt FHE sicher, dass Daten, die zwischen verschiedenen Blockchains übertragen werden, immer verschlüsselt bleiben und nur die autorisierten Knoten der Zielkette die Daten entschlüsseln können. So werden Datenlecks in den Zwischenverbindungen verhindert und eine sichere kettenübergreifende Datenfreigabe und Zusammenarbeit unterstützt. Darüber hinaus können die verschlüsselten Daten auf der Blockchain aggregiert und statistisch ausgewertet werden, um verschlüsselte Analyseergebnisse zu generieren. Dies erleichtert die Analyse von Markttrends auf der Kette oder außerhalb der Kette sowie die Risikobewertung, ohne dass individuelle Daten preisgegeben werden.