盲計算的工作流程大致如何？ Nillion 提供的盲運算解決方案究竟怎樣？
作者： Haotian
封面： Nillion
不少朋友看到 Nillion 融資 $25M 的消息，都會好奇 WTF 什麼是「盲計算」？ MPC、ZKP、FHE、TEE 這些生僻概念剛好有一些了解，一個嶄新的概念又冒出來了。那麼，盲運算的工作流程大致如何？ Nillion 提供的盲運算解決方案究竟怎樣？接下來，談談我的理解：
1）什麼是 Blind Compute（盲計算）？簡單而言，盲計算是一種讓服務端（節點）對某個加密狀態的資料片段執行計算任務，最終達到保護隱私的安全計算方法。
和 ZKP、TEE、MPC、FHE 等增強加密演算法目標都一致，差異在於：ZKP 零知識證明產生證明需要龐大的開銷，適合鏈下儲存+計算，鏈上只驗證的場景，例如：Rollup Layer2；TEE 可信任執行環境是一種依賴硬體廠商在隔離環境下進行計算的方法；FHE 全同態加密雖然可以直接在加密資料上執行計算，但當下方只支援特定運算；
「盲計算」是一種更 General 的計算框架，因為 ZKP、TEE、FHE 等加密技術都可能被作為其技術框架的一部分。
眾所周知，ZKP、TEE、FHE 等目前都在和 Crypto 接軌技術落地應用探索和優化階段。而盲計算則有可能把這些加密核心技術都聚合應用起來，從而為隱私保護探索出一體化的工程實踐方案。
2）盲運算的核心邏輯是做分散式節點增強，讓單一節點同時具備分段儲存+運算的能力，再加上一個可驗證的開放治理網絡，進而達成節點不知道「完整」資料前提下有效工作的結果。如何理解呢？
常態下保護資料隱私狀態需要在 A 節點儲存數據，然後加密後交由 B 節點計算，再解密後經由 C 節點驗證最終完成資料的儲存+計算工作。這個過程中資料傳輸存在極大的成本損耗，且多次重複 Encrypt——>Decrypt 的過程資料存在暴露的情況，節點之間的互信成本也高，很難保證隱私不洩漏。
Nillion 所建構的業務邏輯恰好彌補了這個缺陷，其大致工作流程為（僅供理解）：
Nillion 建構了一個分散式節點網絡，每個節點都具備儲存+運算的增強能力，Nillion 網路在收到資料傳輸處理需求時，先經由 Nada 特定語言執行編譯預處理，讓原始資料被拆分成很多片段，且都處於加密狀態。
再經 AIVM 虛擬機器來調度和分配，其分散式節點會隨機儲存並計算這些資料片段，最終完成聚合和統一驗證。整個過程，單一節點並無法知道全部的資料內容，拼湊到一起卻能完成整體資料的加密傳輸與運算。
為啥說盲計算可以聚合應用 ZKP、TEE、FHE 這些技術，邏輯也很簡單，在資料預處理也就是給資料加密階段完全可以應用 FHE 同態加密技術，而節點儲存計算資料則可以在 TEE 可信執行環境下進行，在聚合和驗證節點工作成果的時候則可以用 ZKP 提升驗證聚合效率。
3）在我看來，ZKP、TEE、FHE、MPC 等技術都或多或少存在一些工程化落地缺陷，目前 Crypto 領域幾乎各個賽道都擠滿了項目，但大差不差都在做成本和效率優化的工作，且都聚焦於 Crypto 特定應用場景。
Nillion 所提出的盲運算框架，雖然也未實現大規模應用，但其一體化的加密解決方案，很可能在 AI 可驗證計算、機器學習等更廣泛的資料保護領域得以通用化採納。
免責聲明：作為區塊鏈資訊平台，本站所發布文章僅代表作者及來賓個人觀點，與 Web3Caff 立場無關。文章內的資訊僅供參考，均不構成任何投資建議及要約，並請您遵守所在國家或地區的相關法律法規。
