Skema Kriptografi dan Fondasi Teknis

Pendahuluan Skema FHE

Fully Homomorphic Encryption (FHE) bukan sekadar satu algoritma, melainkan sekumpulan konstruksi kriptografi yang memungkinkan komputasi langsung pada data terenkripsi. Setiap skema FHE didasarkan pada masalah matematika kompleks, terutama asumsi lattice seperti Learning With Errors (LWE) dan Ring-LWE, yang diyakini tetap aman bahkan terhadap serangan komputer kuantum. Setiap skema memiliki keunggulan sendiri dari segi efisiensi, jenis komputasi yang paling optimal, serta cara mereka mengelola noise yang terakumulasi selama proses komputasi. Memahami skema utama menjadi kunci untuk melihat bagaimana FHE dapat diintegrasikan ke lingkungan smart contract, serta mengapa desain tertentu dipilih untuk aplikasi tertentu.

Empat skema yang paling sering dibahas adalah BFV, BGV, CKKS, dan TFHE/FHEW. Masing-masing dirancang untuk kebutuhan komputasi berbeda dan dijalankan di atas kerangka matematika yang sedikit bervariasi. Dalam konteks blockchain, pemilihan skema biasanya dipengaruhi oleh kebutuhan aplikasi, apakah membutuhkan operasi presisi bilangan bulat, aritmetika pendekatan untuk machine learning, atau operasi bitwise cepat yang krusial untuk logika smart contract.

BFV dan BGV: Skema Fokus Bilangan Bulat

BFV (Brakerski–Fan–Vercauteren) dan BGV (Brakerski–Gentry–Vaikuntanathan) merupakan dua konstruksi FHE praktis pertama yang mendapatkan adopsi luas. Keduanya berbasis kriptografi lattice dan dirancang untuk mendukung operasi bilangan bulat maupun aritmetika modular. Skema ini menghadirkan penjumlahan dan perkalian presisi, sehingga sangat cocok digunakan pada kalkulasi keuangan, sistem voting, atau skenario yang menuntut ketepatan absolut.

BFV dioptimalkan untuk komputasi bilangan bulat modular secara efisien, sangat sesuai untuk aplikasi yang menuntut hasil deterministik tanpa risiko error pembulatan. Sementara itu, BGV, walaupun memiliki prinsip dasar serupa, menawarkan optimalisasi tambahan untuk pengemasan ciphertext (batching), sehingga dapat memproses banyak nilai secara paralel. Kemampuan batching ini sangat penting bagi efisiensi transaksi di lingkungan blockchain, di mana throughput dan biaya sangat dipengaruhi oleh efisiensi komputasi.

Baik BFV maupun BGV menggunakan pendekatan leveled homomorphic encryption, artinya ada batasan jumlah operasi sebelum noise pada ciphertext melampaui ambang batas. Agar skema ini benar-benar fully homomorphic, diperlukan proses bootstrapping, yaitu mengenkripsi ulang ciphertext secara homomorfik untuk mengurangi noise. Jika dahulu proses ini sangat lambat, inovasi terkini telah menurunkan overhead-nya secara signifikan sehingga komputasi terenkripsi berkelanjutan kini memungkinkan untuk aplikasi nyata.

CKKS: Aritmetika Pendekatan untuk Machine Learning

Skema CKKS (Cheon–Kim–Kim–Song) membawa pendekatan berbeda dalam homomorphic encryption dengan mendukung aritmetika pendekatan, bukan hanya operasi bilangan bulat presisi. Skema ini sangat tepat bagi kebutuhan machine learning dan kecerdasan buatan, di mana presisi mutlak sering tidak diperlukan dan pendekatan floating-point dapat diterima. CKKS mengenkripsi bilangan real atau kompleks ke dalam ciphertext dan mendukung komputasi vektorisasi, mempercepat proses seperti inferensi model terenkripsi maupun analitik data aman.

Kompromi CKKS terdapat pada sifat pendekatannya; hasil akhirnya dapat memiliki sedikit deviasi karena scaling dan pembulatan selama enkripsi maupun komputasi. Bagi banyak aplikasi AI dan data science, kompromi ini wajar karena model-model tersebut memang toleran terhadap variasi numerik kecil. Dalam konteks blockchain, CKKS membuka peluang hadirnya agen AI konfidensial di on-chain, yang dapat melakukan prediksi atau analisis risiko tanpa membuka model maupun data pengguna.

Meski sangat unggul untuk kebutuhan tertentu, CKKS kurang cocok untuk smart contract keuangan atau sistem voting yang membutuhkan hasil presisi absolut. Untuk skenario ini, skema berbasis bilangan bulat seperti BFV atau TFHE lebih sesuai. Namun, kemampuan CKKS mengelola operasi vektor berdimensi tinggi menjadikannya kandidat potensial untuk marketplace AI terdesentralisasi dan pembelajaran federasi privat di blockchain ke depan.

TFHE dan FHEW: Skema Tingkat Bit

TFHE (Fast Fully Homomorphic Encryption over the Torus) beserta pendahulunya, FHEW, dioptimalkan khusus untuk komputasi tingkat bit. Berbeda dengan BFV, BGV, atau CKKS yang bekerja pada level vektor atau polinomial, TFHE mengenkripsi individu bit dan memungkinkan operasi Boolean dengan kecepatan tinggi. Pendekatan ini sangat cocok untuk aplikasi yang membutuhkan gerbang logika, misalnya perbandingan, percabangan kondisional, atau transisi status smart contract terenkripsi.

Ciri utama TFHE adalah kemampuan bootstrapping yang sangat cepat. Pada skema FHE awal, bootstrapping sering menjadi bottleneck yang membutuhkan waktu detik per operasi. Dengan desain ulang, TFHE memangkas proses ini menjadi hanya milidetik, sehingga komputasi terenkripsi berkesinambungan menjadi praktis untuk aplikasi interaktif. Inovasi ini menempatkan TFHE sebagai kandidat utama bagi ekosistem blockchain seperti fhEVM milik Zama, saat smart contract harus memproses logika terenkripsi secara efisien.

Kompromi TFHE terletak pada fokusnya terhadap operasi biner, sehingga kurang optimal untuk workload yang sarat aritmetika jika dibandingkan CKKS atau BFV. Namun, pendekatan hibrida kini mulai berkembang, memanfaatkan TFHE untuk logika kontrol dan CKKS untuk operasi aritmetika pendekatan, sehingga kekuatan kedua metode bisa digabung dalam aplikasi terdesentralisasi yang menjaga privasi.

Bootstrapping dan Pengelolaan Noise

Noise adalah karakteristik mendasar pada skema homomorphic encryption berbasis lattice. Setiap operasi di atas data terenkripsi menambah noise, dan jika ambang tertentu terlampaui, ciphertext tidak dapat lagi didekripsi dengan benar. Bootstrapping adalah teknik di mana ciphertext didekripsi dan dienkripsi ulang secara homomorfik untuk menurunkan level noise, sehingga memungkinkan komputasi dalam jumlah tak terbatas.

Di awal perkembangannya, algoritma bootstrapping sangat lambat dan memerlukan sumber daya besar, sehingga sulit untuk digunakan di luar penelitian. Namun, dalam satu dekade terakhir, inovasi besar menurunkan waktu bootstrapping dari menit menjadi milidetik. TFHE dan FHEW menjadi pionir bootstrapping dengan latensi rendah untuk aplikasi real-time, sedangkan CKKS dan BFV juga tampil lebih efisien berkat algoritma dan akselerasi hardware yang mutakhir.

Pengelolaan noise tidak hanya mengandalkan bootstrapping. Beragam teknik seperti modulus switching, key switching, dan ciphertext packing digunakan untuk mengendalikan pertumbuhan noise sekaligus meningkatkan efisiensi. Modulus switching mengecilkan ciphertext selama proses, key switching memungkinkan data terenkripsi berpindah antar kunci tanpa dekripsi, dan packing memungkinkan pemrosesan paralel banyak nilai dalam satu ciphertext. Keseluruhan teknik ini adalah pondasi utama realisasi FHE yang efisien di dunia nyata.

Akselerasi Perangkat Keras dan Tren Performa

Walau banyak optimalisasi sudah dilakukan, FHE tetap termasuk komputasi berat dibandingkan kriptografi konvensional. Akselerasi perangkat keras pun menjadi fokus riset utama. GPU menjadi pilihan awal karena keunggulan komputasi paralelnya, memberikan percepatan nyata untuk aritmetika polinomial dan operasi vektor yang krusial di skema FHE. Baru-baru ini, pengembangan Field-Programmable Gate Arrays (FPGA) dan Application-Specific Integrated Circuits (ASIC) terus dilakukan untuk mencapai efisiensi maksimal.

Pengenalan prototipe Homomorphic Processing Unit (HPU) oleh Zama menjadi bukti dorongan industri ke arah perangkat khusus untuk komputasi terenkripsi. Perangkat keras ini didesain agar dapat menangani beban kerja FHE secara efisien, memangkas latensi dan konsumsi energi. Ketika aplikasi blockchain menuntut biaya transaksi rendah dan throughput tinggi, akselerasi perangkat keras sangat mungkin menjadi faktor penentu agar smart contract berbasis FHE benar-benar layak secara komersial.

Library dan Framework Pengembangan

Beragam library open-source kini hadir sebagai alat utama para pengembang FHE. Microsoft SEAL, salah satu yang paling populer, mendukung BFV dan CKKS serta menawarkan kemudahan penggunaan dan portabilitas lintas platform. OpenFHE (sebelumnya PALISADE) menawarkan fitur komprehensif dengan dukungan multi-skema dan optimalisasi lanjutan. HElib dari IBM difokuskan pada riset dan mendukung BGV, tetap menjadi rujukan di lingkungan akademik.

Di ekosistem TFHE, library TFHE-rs milik Zama sudah menjadi standar untuk pengembangan, menawarkan bootstrapping yang efisien dan kompatibel dengan framework fhEVM mereka. Concrete dari Zama juga memudahkan pengembangan aplikasi FHE di Rust tanpa mengorbankan performa. Fhenix, yang fokus pada smart contract konfidensial di Ethereum, menyediakan SDK Solidity yang menyederhanakan aspek kriptografi, sehingga developer blockchain dapat membangun kontrak terenkripsi dengan tools yang mereka kenal.

Kematangan berbagai library ini sangat menurunkan hambatan teknis pengembangan FHE. Jika sebelumnya perlu keahlian kriptografi mendalam, kini developer smart contract yang menguasai bahasa pemrograman populer seperti Solidity atau Rust dapat langsung membangun aplikasi FHE. Penyebaran luas teknologi FHE ini mempercepat adopsinya dalam keuangan terdesentralisasi, sektor kesehatan, dan AI on-chain.