اگر زیرساخت‌های رمزنگاری فعلی در برابر رایانه‌های کوانتومی مقاوم نباشند، تمام امنیت مالی جهان در معرض خطر است. شما باید بدانید که پیشرفت سریع کیوبیت‌های تصحیح-خطا، زمان باقی‌مانده برای مهاجرت به استانداردهای امنیتی جدید را به‌شدت کاهش داده است.
بر اساس مقاله‌ای که در ۹ ژوئن ۲۰۲۶ در arxiv.org منتشر شد، یک چارچوب جدید برای ایجاد یک سیستم دیفای فدرال (Federated DeFi) با امنیت پساکوانتومی معرفی شده است. هدف این سیستم، فراهم کردن دسترسی بانکی برای افرادی است که تاریخچه مالی محدودی دارند و در سیستم‌های سنتی نادیده گرفته می‌شوند.
همان‌طور که در تحلیل قبلی ما درباره‌ی تهدیدهای کوانتومی برای بلاک‌چین اشاره کردیم، بدنه اصلی رمزنگاری فعلی در DeFi و زیرساخت‌های دولتی، در برابر حملات کوانتومی آسیب‌پذیر است. برای جمعیت‌های محروم، مانع اصلی تنها تکنولوژی نیست، بلکه نبود داده‌های قابل‌تأییدی است که وام‌دهندگان محلی بتوانند بدون ریسک حریم خصوصی، به آن‌ها اعتماد کنند.
طبق اعلام پژوهشگران، این سیستم از رمزنگاری کاملاً هم‌ریخت (Fully Homomorphic Encryption یا FHE) مبتنی بر شبکه برای اجرای محاسبات سرتاسری روی دسته‌های داده‌های رمزنگاری‌شده استفاده می‌کند. موتور ارزیابی این مدل، سه ورودی مجزا را ترکیب می‌کند:
- ارزیابی‌های احتمالی داده‌محور محلی و باورهای خبره.
- شواهد قابل‌تأییدی که توسط مدل بنیادی زمین‌سنجی پریتوی ناسا-آی‌بی‌ام (NASA-IBM Prithvi GFM) تولید شده‌اند.
- گزارش‌های غیرمتمرکز و ضد-دست‌کاری که قابلیت بازرسی تمام تبادلات رمزنگاری‌شده را تضمین می‌کنند.
در آزمایش‌های این چارچوب بر روی تصمیمات وام‌دهی کشاورزی برای وام‌گیرندگان روستایی در ویرجینیا، ثابت شد که داده‌های جایگزین زمین‌سنجی می‌توانند جایگزین تاریخچه‌های اعتباری مفقود شوند.
از منظر فنی، این رویکرد پارادایم DeFi را از «شفافیت ساده» به «حریم خصوصی محاسباتی» تغییر می‌دهد. با ادغام Prithvi GFM، ثابت شد که داده‌های محیطی با ابعاد بالا می‌توانند سیگنالی معتبر و رمزنگاری‌شده برای ارزیابی ریسک باشند، بدون اینکه داده‌های خام هرگز در معرض سرور محاسبه‌گر قرار گیرند. این امر، «تضاد اعتماد» (Trust-Tradeoff) رایج در یادگیری فدرال (Federated Learning) را حذف می‌کند.
گام بعدی شما
- رصد پذیرش استانداردهای FHE مبتنی بر شبکه توسط رگولاتورهای بانکی مرکزی.
- بررسی کاربرد داده‌های زمین‌سنجی به عنوان جایگزین (Proxy) برای داده‌های مالی در مدل‌های ریسک.
- تحلیل سرعت پیشرفت دیکریپشن کوانتومی عملی برای به‌روزرسانی لایه‌های امنیتی.
اما داستان سخت‌افزاری این تحول و نیاز به توان پردازشی بالا برای FHE حتی پیچیده‌تر است؛ برای درک این موضوع به تحلیل ما درباره‌ی معماری پردازنده‌های نسل جدید مراجعه کنید.
گفتگو