🔴 Enlèvement David Balland Comment le gel des cryptos payées dans la rançon a-t-il été réalisé ? Nicolas Bacca (@BTChip) détaille dans @TheBigWhale_ comment ils ont réussi à créer un système qui pourrait créer un précédent pour ce type d'enquête thebigwhale.io/article/nicol…

[Je viens de sortir le plus gros projet de ma chaîne] Pendant qu’une grande partie du CT porte son attention sur les memecoins, ou s’est rendormi 2 jours après l’annonce des ETFs Ethereum Il y a une technologie en train d'émerger, dont personne ne parle, qui pourrait révolutionner le web3 et même apporter un nouveau souffle au web2 Des centaines de chercheurs travaillent dessus, ainsi que des géants de la tech comme Google, Nvidia, Microsoft, Intel ou IBM 👉 Cette technologie, c’est le FHE (Fully Homomorphic Encryption) C’est une technique de chiffrement qui permet de traiter des données jamais avoir à les déchiffrer, autrement dit, de faire des calculs sur des données alors qu'elles restent entièrement chiffrées Si ça ne vous hype pas plus que ça en lisant cette explication du FHE, c’est normal, car au début on ne se rend pas vraiment compte de ce que ça signifie, ni du nombre aberrant de cas d’utilisation que ça débloque Honnêtement, c’est même compliqué de vous expliquer tout le potentiel du FHE en un post (même un très long) C’est d’ailleurs pour ça que la vidéo que j’ai faite sur ce sujet est de très loin la plus longue vidéo de ma chaîne : on est sur un parpaing de +40 minutes Mais sachez que c’est l’entreprise de recherches sur le FHE @zama qui a permis à cette technologie de faire un bond en avant, et ce sont eux qui ont développé des solutions pour la rendre utilisable dans les domaines de la blockchain et de l’IA C’est grâce à ce projet que le FHE va devenir (selon moi) un vrai phénomène dans le web3, et c’est sur leur techno que se basent l’intégralité des autres projets blockchain FHE, comme @Privasea_ai, @fhenix, @inconetwork ou @mindnetwork_xyz 👉 Si vous voulez tout savoir sur le FHE, et sur les perspectives d’investissement associées, je ne peux que vous conseiller d’aller voir à ma vidéo à ce sujet (lien sous ce post)

🔐 Thèse sur le FHE : Fully Homomorphic Encryption Fully Homomorphic Encryption Juste ça. Ouais c'est incompréhensible et si je vous dis que ça sera LA nouvelle narrative crypto dans les années à venir, ça vous intéresse un peu plus ? Dans ce thread, nous allons décortiquer cette nouvelle narrative qui se dessine et, à la fin, je vous présenterai des projets utilisant cette techno (Alpha), go! 👇 . Introduction Fully Homomorphic Encryption (FHE) est une technologie de cryptage révolutionnaire qui permet de traiter des données chiffrées de manière sécurisée sans les déchiffrer au préalable. Cette avancée majeure dans le domaine de la sécurité informatique ouvre de nouvelles perspectives dans la protection de la vie privée et la sécurisation des données sensibles. Dans ce thread, nous allons voir en détail le fonctionnement du FHE, ses applications potentielles et ses implications pour le futur de la sécurité des données. Nous allons également le comparer avec d'autres technologies comme le ZKP (Zéro-Knowledge Proof) et dans la dernière partie, je vous donnerai quelques projets utilisant le FHE que j'ai identifié comme interessant. . . 1. Qu'est ce que le FHE : Fully Homomorphic Encryption 🔹Le Chiffrement Avant de comprendre ce qu'est le FHE, il faut d'abord revenir sur ce qu'est le chiffrement de base : Le chiffrement est une méthode de sécurisation des données largement utilisée en cryptographie. Son objectif principal est de rendre les données illisibles pour toute personne n'ayant pas la clé nécessaire pour les déchiffrer. Cette technique est essentielle pour garantir la confidentialité et la sécurité des informations sensibles lors de leur transmission ou de leur stockage. Le processus de chiffrement commence par la conversion des données claires, également appelées texte en clair, en un format chiffré à l'aide d'un algorithme spécifique et d'une clé de chiffrement. Le résultat de cette opération est le texte chiffré. Ce dernier devient incompréhensible sans la clé de déchiffrement correspondante. 🗝️ ⚠️ Attention cette notion de texte en clair et de texte chiffré doit être retenu et compris pour la suite (nous nous en servirons à plusieurs reprises). ➮ Il existe 2 types de chiffrement principaux : le chiffrement symétrique et le chiffrement asymétrique. Le chiffrement symétrique utilise la même clé pour chiffrer et déchiffrer les données. Ça veux dire que la personne qui chiffre les données et celle qui les déchiffrent doivent partager cette même clé secrète. Bien que le chiffrement symétrique soit généralement plus rapide et moins complexe que le chiffrement asymétrique, la gestion sécurisée des clés constitue un défi majeur. Le chiffrement asymétrique, également appelé chiffrement à clé publique, utilise deux clés distinctes : une clé publique et une clé privée. La clé publique est utilisée pour chiffrer les données, tandis que la clé privée est utilisée pour les déchiffrer. Ce système permet à n'importe qui de chiffrer des données à l'aide de la clé publique, mais seuls les destinataires autorisés possédant la clé privée correspondante peuvent les déchiffrer. Ça ne vous rappelle rien cette histoire clé privée / clé publique ? 🔑 Autre chose : le chiffrement peut être soit partiellement homomorphe, soit totalement homomorphe. Lorsque seulement un nombre limité d'opérations peut être effectué sur les données chiffrées, on parle de chiffrement partiellement homomorphe. En revanche, si un nombre illimité d'opérations peut être réalisé sur les données chiffrées, on parle alors de chiffrement totalement homomorphe. En anglais, le terme utilisé est : "Fully Homomorphic Encryption" (FHE). . 🔹Avant tout, un peu d'histoire Dans sa thèse de doctorat à l'Université de Stanford en 2009, l'informaticien américain Craig Gentry a fait une découverte très importante en décrivant le tout premier cryptosystème (ou schéma) totalement homomorphe (FHE). Cette réalisation révolutionnaire a ouvert la voie à une nouvelle ère en cryptographie, permettant des opérations complexes sur des données chiffrées sans nécessiter de déchiffrement (on verra ça après). Le travail de Gentry marque ainsi le début de ce que l'on appelle les cryptosystèmes Fully Homomorphic Encryption (FHE). Depuis lors, une évolution a été observée dans ce domaine. Depuis 2010, plusieurs générations de cryptosystèmes (ou schéma) FHE ont vu le jour. Chaque nouvelle génération représente une avancée par rapport à la précédente, offrant des améliorations en termes de sécurité, d'efficacité et de capacités de traitement. 📈 Il est important de noter que chaque génération de cryptosystèmes FHE présente des caractéristiques spécifiques qui peuvent être mieux adaptées à certains types de données ou à des cas d'utilisation particuliers. Donc, le choix du cryptosystème FHE à utiliser peut dépendre du contexte et des exigences du problème à résoudre. . 🔹Principes de base du FHE Le Fully Homomorphic Encryption (FHE) est une technique de cryptage qui permet de traiter des données chiffrées comme si elles étaient en clair, sans jamais avoir besoin de les déchiffrer. Le FHE repose sur des techniques mathématiques complexes, notamment l'algèbre linéaire et la théorie des nombres. Son fonctionnement repose sur deux opérations fondamentales : le chiffrement et l'évaluation de fonctions. Le chiffrement est le processus de conversion de données en texte illisible à l'aide d'une clé de chiffrement 🔑 (comme vu dans la partie sur le chiffrement). Contrairement au chiffrement traditionnel où les données doivent être déchiffrées pour être traitées, le FHE permet de manipuler directement les données chiffrées donc pas besoin de les déchiffrer pour les manipuler. En gros, ça signifie que vous pouvez envoyer des données chiffrées à un service cloud, par exemple, et lui demander de réaliser des calculs sur ces données 🧮 sans jamais avoir accès à leur contenu réel. Une fois les calculs effectués, les résultats sont également chiffrés et vous pouvez les déchiffrer pour obtenir les résultats finaux. Ne vous inquiétez pas, nous allons voir plus de cas d'utilisations dans la section suivante. 👇 Juste avant, je vous conseille de regarder ce schéma, il explique plutôt bien le fonctionnement technique du FHE. Le début du schéma se trouve en haut à gauche : petit 1 Data Owner. . 🔹Applications du FHE Le FHE ouvre la voie à de nombreuses applications dans divers domaines, notamment : ➮ Calcul sécurisé dans le cloud Les entreprises peuvent utiliser le FHE pour traiter des données sensibles dans le cloud sans compromettre leur confidentialité. Par exemple, des calculs complexes sur des données médicales peuvent être effectués de manière sécurisée sans révéler les informations personnelles des patients. ☁ ➮ Protection de la vie privée Les utilisateurs individuels peuvent bénéficier du FHE pour protéger leur vie privée en ligne. Par exemple, les applications de messagerie peuvent utiliser le FHE pour chiffrer les conversations de bout en bout, garantissant ainsi que même le fournisseur de services ne peut pas accéder aux messages des utilisateurs. 📱 ➮ Analyse de données sécurisée Les chercheurs et les analystes de données peuvent utiliser le FHE pour effectuer des analyses sur des ensembles de données sensibles tout en préservant la confidentialité des données. Par exemple, des études sur les données médicales ou financières peuvent être menées de manière sécurisée sans compromettre la vie privée des individus concernés. 📊 . 🔹Cas d'utilisation en crypto Fully Homomorphic Encryption pourrait être particulièrement intéressant dans le contexte de la blockchain. Voici quelques raisons pour lesquelles le FHE pourrait être avantageux : ➮ Confidentialité des données : Dans la blockchain, les données sont généralement publiques et accessibles à tous les participants. Cependant, certaines informations peuvent nécessiter une confidentialité, comme des données personnelles ou financières. En utilisant le FHE, les données peuvent être stockées sous forme chiffrée sur la blockchain tout en permettant aux parties autorisées d'effectuer des calculs sur ces données sans jamais les déchiffrer, préservant ainsi leur confidentialité. ➮ Calculs sécurisés : Le FHE permet d'effectuer des opérations mathématiques sur des données chiffrées, ce qui ouvre la voie à diverses applications dans le domaine de la blockchain. Par exemple, des contrats intelligents pourraient effectuer des calculs sur des données chiffrées sans compromettre la confidentialité des informations impliquées. ➮ Protection de la vie privée des utilisateurs : En utilisant le FHE, les utilisateurs de la blockchain peuvent bénéficier d'une protection de leur vie privée. Par exemple, des applications financières sur la blockchain pourraient utiliser le FHE pour effectuer des transactions confidentielles sans révéler les détails des transactions aux parties non autorisées. 🚫 ➮ Sécurité renforcée : Le FHE renforce la sécurité des données sur la blockchain en minimisant les risques liés à la divulgation accidentelle ou intentionnelle d'informations sensibles. Même en cas de compromission d'un nœud de la blockchain, les données chiffrées restent inaccessibles sans la clé appropriée. 🔑 . 🔹Limitations et défis Bien que le FHE offre des avantages considérables en termes de sécurité des données, il présente également des limitations et des défis à prendre en compte, notamment : ➮ Complexité des calculs Les opérations sur les données chiffrées peuvent être beaucoup plus complexes et gourmandes en ressources que les opérations sur les données non chiffrées, ce qui peut entraîner des temps de calcul plus longs et une utilisation intensive des ressources informatiques. Dans le cas de la blockchain c'est assez chiant puisqu'on veux que les transactions soient exécutées le plus vite possible. ➮ Taille des clés Les clés de chiffrement utilisées dans les systèmes FHE peuvent être assez grandes, ce qui peut poser des problèmes de gestion des clés et de performances. . . 2. Les differents schéma de FHE 🔹Qu'est ce qu'un Schéma de FHE ? Un "schéma" de FHE fait référence à un ensemble de règles et d'algorithmes spécifiques utilisés pour mettre en œuvre ce système de chiffrement. Imaginez-le comme un plan détaillé qui définit comment les données sont chiffrées, déchiffrées et comment les opérations mathématiques peuvent être effectuées sur les données chiffrées. Un schéma commence par définir le processus de chiffrement. Cela implique généralement l'utilisation d'une clé publique 🗝️ pour transformer les données en un format chiffré, garantissant ainsi que seules les personnes autorisées peuvent accéder aux données en clair. Ensuite, le schéma spécifie également comment les données chiffrées peuvent être déchiffrées en utilisant la clé privée 🔑 correspondante. Cette étape est essentielle pour garantir que les données restent confidentielles et sécurisées, même lorsqu'elles sont stockées ou traitées dans un environnement non fiable. Un aspect important d'un schéma FHE est sa capacité à effectuer des opérations homomorphes sur les données chiffrées. Le schéma définit quelles opérations sont autorisées (par exemple, l'addition, la multiplication, etc.) et comment elles sont réalisées. Les paramètres de sécurité sont également définis dans le schéma FHE. Ça comprend des éléments tels que la longueur des clés, les paramètres de bruit et d'autres aspects liés à la robustesse du cryptosystème contre les attaques cryptographiques. Enfin, le schéma détaille les algorithmes spécifiques utilisés pour mettre en œuvre les différentes étapes du processus de chiffrement, de déchiffrement et des opérations homomorphes. Ces algorithmes garantissent que le FHE fonctionne de manière efficace et sécurisée dans la pratique. . 🔹Les differents schémas de FHE ➮ Schéma GSW | Craig Gentry 2009 ➮ Schéma DGHV | Marten van Dijk, Craig Gentry, Shai Halevi, et Vinod Vaikuntanathan 2010 ➮ Schéma BGV | Brakerski-Gentry-Vaikuntanathan 2011 ➮ Schéma BFV | Brakerski, Fan-Vercauteren 2012 ➮ Schéma LTV | Lopez-Alt, Tromer, et Vaikuntanathan 2012 ➮ Schéma BLLN | Bos, Lauter, Loftus, et Naehrig 2013 ➮ Schéma CKKS | Cheon-Kim-Kim-Song 2016 Il doit sûrement en exister d'autres, mais là je vous ai donné les principaux. Comme vous pouvez le voir, il y en a 7, c'est beaucoup et de par leur complexité mathématique, j'ai choisi de vous en présenter qu'un, le plus connu et le plus vieux, celui de Craig Gentry. Étant donné que j'ai utilisé des caractères spécifiques qui ne sont pas disponibles sur Twitter, je vous ai mis juste en dessous un PDF de l'étude de ce schéma. Allez le voir par simple curiosité ou pour en apprendre (ce n'est pas long). 🗞️ drive.google.com/file/d/19Td… . . 3. Comment le FHE diffère-t-il du Zero-Knowledge Proof (ZKP) ? 🔹Tous d'abord, revenons sur ce qu'est le Zero-Knowledge Proof La Preuve de Connaissance Nulle est un concept fondamental en cryptographie qui permet à une partie (le prouveur) de démontrer à une autre partie (le vérificateur) qu'elle possède une information particulière sans révéler cette information elle-même. Ça veut dire que le prouveur peut prouver qu'il connaît une information sans divulguer cette information. Le ZKP est utilisé dans de nombreux domaines, notamment la sécurité des systèmes informatiques, les protocoles d'authentification et la confidentialité des données. C'est aussi beaucoup utilisé en crypto. . 🔹Differences entre ZKP et FHE ➮ Objectifs Fondamentaux : • Le FHE vise à permettre des calculs sur des données chiffrées sans avoir à les déchiffrer, préservant ainsi la confidentialité des données tout au long des opérations. • Le ZKP, en revanche, cherche à prouver la véracité d'une affirmation sans révéler d'informations supplémentaires autres que le fait que l'affirmation est vraie. ➮ Niveau de Confidentialité : • Le FHE garantit une confidentialité totale des données, même lorsqu'elles sont soumises à des opérations. Cela signifie que même les parties effectuant les calculs n'ont pas accès aux données en clair. • Le ZKP, en revanche, ne concerne pas directement la confidentialité des données, mais plutôt la confidentialité du processus de preuve (c'est moins confidentiel que du FHE). ➮ Domaines d'Application : • Le FHE est particulièrement utile dans des domaines tels que le cloud computing, où les données sensibles doivent être traitées de manière confidentielle même lorsqu'elles sont traitées par des tiers. • Le ZKP est largement utilisé dans des applications telles que l'authentification sans révélation d'identité, les protocoles de vote électronique et les systèmes de blockchain où la preuve de la validité d'une transaction sans révéler les détails de la transaction est important. ➮ Complexité et Performances : • Le FHE est généralement plus complexe en termes de mise en œuvre et de performances. Les opérations sur des données chiffrées peuvent être beaucoup plus lentes que les opérations sur des données en clair, bien que des progrès significatifs aient été réalisés pour améliorer l'efficacité des FHE. • Le ZKP peut être moins coûteux en termes de performances, mais ça dépend du protocole spécifique utilisé et de la nature de l'affirmation à prouver. ➮ Autre info : Les preuves de Zero Knowlegde (ZK) permettent uniquement des vérifications, ce qui autorise le chiffrement, mais ne peuvent pas faciliter la plupart des calculs chiffrés en raison de l'incapacité à combiner des données privées de plusieurs parties. En ce sens, les ZK sont plus pertinents pour la scalabilité avec un certain degré de sécurité, tandis que le FHE permet des niveaux plus élevés de sécurité des données associés à des cas d'utilisation sans précédent pris en charge par ses fonctionnalités de chiffrement "holistiques", comme les enchères privées sur chaîne qui ne sont pas possibles avec les ZK. . . 4. Quelques projets utilisant le FHE Comme promis, je vous ai sélectionné 5 projets, que je trouve vraiment prometteurs, utilisant le FHE, avec ou sans token. Ces projets sont très très early et sont à suivre de près pour 2024 - 2025. 🔹Fhenix : En première position, on retrouve @fhenix, le premier Layer 2 d'Ethereum utilisant le FHE. Je vous donne pas plus d'information sur ce projet puisque j'ai déjà réalisé un thread pour le présenter disponible ici : 🗞️ xitter.cf/Tom_crpt/status/175563… (2eme partie) . . 🔹ZAMA : ℹ️ Information : Avant de parler de Zama on dois définir ce que sont les modèles d'apprentissage automatique ou machine learning : Les modèles d'apprentissage automatique sont comme des cerveaux mais artificiels (d'où le nom : intelligence artificielle = IA). Ils permettent aux ordinateurs d'apprendre des choses par eux-mêmes à partir de données, un peu comme les humains le font. Pour illustrer, Imaginez que vous enseignez à un enfant à reconnaître des animaux. Vous lui montrez des images d'animaux et lui dites ce que chacun est. Au fil du temps, l'enfant apprend à distinguer un chien d'un chat ou un oiseau d'un poisson, même sans votre aide. 🐩 De la même manière, les modèles d'apprentissage automatique apprennent à partir de données 📊. Mais au lieu d'être enseignés par des humains, ils utilisent des algorithmes pour détecter des modèles dans les données. Par exemple, un modèle pourrait examiner des images de chiens et de chats, et apprendre à les distinguer en analysant les caractéristiques visuelles de chaque animal. Une fois qu'un modèle a été formé avec suffisamment de données, il peut être utilisé pour faire des prédictions sur de nouvelles données qu'il n'a jamais vues auparavant. Par exemple, il peut être utilisé pour identifier automatiquement les animaux dans de nouvelles images. Et plus il voit d'images, plus il devient précis dans ses prédictions. Ces modèles sont utilisés dans de nombreux domaines, comme la reconnaissance vocale, la recommandation de produits en ligne, la détection de fraudes dans les transactions financières, et bien plus encore. Ils ouvrent la porte à toutes sortes d'applications utiles et innovantes, en permettant aux machines d'apprendre et de s'adapter de manière autonome. 🧠 ⏤⏤⏤ ➮ Qu'est-ce que @zama ? ZAMA est une entreprise spécialisée dans la cryptographie, centrée sur le développement de solutions de confidentialité pour la blockchain et l'intelligence artificielle (IA). Sa mission est de garantir la confidentialité des données dans un monde numérique en constante évolution en offrant des outils et des protocoles de chiffrement novateurs. ➮ 1er solution de Zama : le Concrete ML Concrete ML pour Concrete machine learning. Concrete ML est un framework open source pour le machine learning axé sur la préservation de la confidentialité, basé sur le chiffrement totalement homomorphe (FHE). Avec Concrete ML, même si vous n'êtes pas un expert en cryptographie, vous pouvez utiliser des modèles d'intelligence artificielle tout en garantissant la confidentialité de vos données (grâce au FHE). Il vous permet d'entraîner vos modèles sur des données chiffrées, assurant ainsi un niveau de confidentialité élevé. Ça se fait en utilisant des API familières de scikit-learn et PyTorch. ℹ️ Information : Si tu te poses la question suivante : "Qu'est ce que Scikit-learn et PyTorch ?", lis ça : 👇 Scikit-learn : Il s'agit d'une bibliothèque de machine learning très populaire en Python qui offre une large gamme d'algorithmes et d'outils pour le prétraitement des données, la modélisation, l'évaluation et plus encore. Son API est conçue pour être simple et intuitive, ce qui en fait un choix privilégié pour les débutants en machine learning. 📚 PyTorch : PyTorch est une autre bibliothèque Python utilisée principalement pour l'apprentissage profond. Il offre une flexibilité et une facilité d'utilisation par rapport à d'autres frameworks, et son API dynamique permet aux développeurs de construire et de déployer des modèles d'apprentissage profond de manière efficace. Donc lorsque l'on parle d'utiliser des "API familières de scikit-learn et PyTorch" avec Concrete ML, ça signifie que les développeurs peuvent utiliser les mêmes méthodes et fonctions qu'ils connaissent déjà dans ces bibliothèques pour construire et entraîner des modèles d'apprentissage automatique sur des données chiffrées. Cela facilite le processus de développement et permet aux développeurs de tirer parti de leur expérience existante en utilisant des outils familiers. ⏤⏤⏤ Avec Concrete ML, vous pouvez utiliser des modèles d'apprentissage automatique linéaires, comme la régression logistique, qui sont entraînés à l'aide d'une technique appelée "apprentissage fédéré". Dans cette approche, la confidentialité des données est protégée en utilisant un outil de confiance qui regroupe les informations de manière sécurisée. Ça garantit la confidentialité des données sans avoir besoin de les chiffrer. ➮ 2eme solution de Zama : fhEVM fhEVM, abréviation de "Fully Homomorphic Encryption Virtual Machine", est une technologie développée par Zama qui permet d'introduire des smarts contracts sur une blockchain. Avant il y avait un dilemme dans le domaine de la blockchain : garder les données de votre application et de vos utilisateurs sur la chaîne, les rendant visibles à tous, ou les conserver en privé hors chaîne et perdre la composabilité des contrats. Grâce au FHE, la fhEVM de Zama rend possible l'exécution de smarts contracts EVM confidentiels sur des données chiffrées, garantissant à la fois la confidentialité et la composabilité. 🔒 Les contrats fhEVM sont construits de la même manière que les smarts contracts sur Ethereum (ou autre blockchain EVM compatible) en utilisant le langage de programmation : Solidity. Les développeurs peuvent utiliser des types de données spécifiques pour marquer les parties de leurs contrats qui doivent rester privées. De plus, toute la logique de contrôle d'accès des données chiffrées est définie par les développeurs dans leurs contrats intelligents. Les cas d'utilisation du fhEVM sont nombreux et variés. Par exemple, il permet la tokenisation, les enchères aveugles, les jeux sur chaîne et les votes confidentiels, en empêchant la divulgation de données sensibles et en protégeant la vie privée des utilisateurs. ➮ Zama à quoi ça sert ? Les solutions de ZAMA répondent aux besoins des utilisateurs et des entreprises dans différents secteurs : • Confidentialité dans la Blockchain : ZAMA propose des solutions de chiffrement FHE pour les smarts contracts avec fhEVM, la première machine virtuelle EVM compatible en Fully Homomorphic Encryption. Elle permet l'exécution de transactions confidentielles et la protection des données on-chain. • Confidentialité dans l'IA : Grâce au Zama Concrete ML, ZAMA permet l'entraînement de modèles d'IA sur des données chiffrées avec le FHE, garantissant ainsi la confidentialité des informations sensibles. 🧠 • Confidentialité des données personnelles : ZAMA offre des solutions pour la collecte, le stockage et le traitement sécurisés des données personnelles, conformément aux réglementations sur la confidentialité des données telles que le RGPD. ➮ Comment ça fonctionne ? ZAMA met à disposition 3 techniques de cryptographie avancées pour garantir la confidentialité des données à chaque étape du processus : • Chiffrement entièrement homomorphe (FHE) : Pas besoin de vous l'expliquer à mon avis. • Computation multipartite sécurisée (MPC) : En permettant à plusieurs parties de collaborer pour effectuer des calculs sur des données sans révéler les informations sensibles à chaque partie, ZAMA garantit la confidentialité des données tout en permettant la collaboration. Plus d'informations seront données sur le MPC dans le thread sur @Aleph__Zero qui arrive très prochainement ! • Zero-Knowledge Proof (ZKP) : Je vous l'ai déjà bien expliqué dans la partie 3 donc je vous donne pas plus d'info. Grâce à ces technologies, ZAMA offre une solution complète pour garantir la confidentialité des données dans un large éventail d'applications, ouvrant ainsi la voie à une nouvelle ère de confidentialité numérique. Pour plus d'info sur @zama : 🗞️ zama.ai/ . ⚠️ Je n'ai plus de place, la partie 2 est en commentaire ! 👇

What a time to be alive! #bitcoinETFs