Les lacunes de la protection des données dans le web2
Les récentes fuites de données dans le monde du web2 soulignent les lacunes en matière de protection des données. Le problème majeur est la transparence obligatoire des données publiques, alors que la confidentialité est cruciale dans de nombreux cas d’utilisation. Traditionnellement, les données doivent être déchiffrées pour pouvoir effectuer des calculs, ce qui expose les informations sensibles à des risques de violation.
Qu’est-ce que le Fully Homomorphic Encryption (FHE) ?
Le Fully Homomorphic Encryption (FHE) est une technologie révolutionnaire qui permet d’effectuer des calculs sur des données chiffrées sans jamais les déchiffrer, garantissant ainsi leur confidentialité. Ce concept, initialement exploré dans les années 1970, a été concrétisé en 2009 par Craig Gentry, bien que de manière laborieuse et lente. Depuis, des améliorations ont été apportées pour rendre cette technologie plus accessible. Plusieurs géants de la tech, comme Microsoft, IBM, Google, Intel, et Nvidia, développent activement des outils et des bibliothèques pour intégrer le FHE dans leurs solutions.
L’innovation de Zama dans le domaine du FHE
Depuis 2020, Zama, une entreprise française fondée par Dr. Rand Hindi et Dr. Pascal Paillier, se distingue dans le domaine du FHE (Fully Homomorphic Encryption) en développant des solutions innovantes pour la blockchain et l’IA. L’objectif de Zama est de rendre la blockchain entièrement chiffrée sans compromettre son utilisation, répondant ainsi à une demande cruciale pour la confidentialité des données. Bien que le calcul homomorphe soit actuellement coûteux et lent en raison de sa complexité, les utilisateurs de la blockchain sont prêts à payer des frais pour cette sécurité accrue. Avec une équipe d’environ 70 personnes, dont 10% des chercheurs mondiaux en FHE, Zama a créé un nouveau marché grâce à trois années de recherche dédiée, devenant ainsi un leader dans ce domaine émergent.
Les outils innovants développés par Zama
Zama a développé plusieurs outils innovants pour exploiter pleinement la puissance de la cryptographie homomorphique (FHE). Parmi ces outils, on trouve TFHE-rs, une librairie open source en Rust, C et WASM, facilitant l’utilisation du FHE dans divers projets. Ensuite, Concrete, un compilateur open source, transforme du code Python en programme FHE, tandis que Concrete ML permet de convertir des modèles de machine learning en programmes sécurisés par le FHE. Enfin, fhEVM est une machine virtuelle qui intègre le FHE aux blockchains sans nécessiter de modifications du code existant. Ces solutions respectent les exigences réglementaires en assurant la transparence des utilisateurs tout en protégeant les données, rendant ainsi la technologie très appréciée des régulateurs. À terme, Zama vise à généraliser l’utilisation de cette technologie pour sécuriser l’ensemble du réseau internet, remplaçant le protocole HTTPS par HTTPZ.
Zero Knowledge (ZK) vs Fully Homomorphic Encryption (FHE)
La différence entre le Zero Knowledge (ZK) et le Fully Homomorphic Encryption (FHE) réside principalement dans la manière dont les données sont déchiffrées. Le ZK nécessite un acteur central pour déchiffrer les informations, contrairement au FHE. Cependant, Zama travaille déjà à combiner la scalabilité du ZK et la confidentialité du FHE, tout en ajoutant la technologie MPC pour une sécurité accrue. Les cas d’utilisation du FHE sont nombreux, notamment pour les sites et applications manipulant des données privées. Le vote est un exemple pertinent, car il permet de vérifier si une personne a voté sans révéler pour qui ou quoi. De plus, la santé et la finance sont des domaines particulièrement adaptés à l’utilisation du FHE, tout comme l’identité. Dans un monde où l’intelligence artificielle peut soulever des doutes concernant l’identité, le FHE offre une solution parfaitement adaptée pour vérifier si la source est humaine, sans jamais révéler les données utilisées.
Projets web3 autour du FHE à surveiller
Voici une liste de projets web3 autour du FHE à surveiller :
- Fhenix
- Inco
- Privasea
- Mind Network
- Shiba avec Treat
- Sunscreen
- Octra
- Fair Math
