量子计算如何恢复和保证数字货币交易的不可变性

今天，我将谈谈能够解决困难问题的真正智能机器，这些机器从侧面表达了人类思维的创造力和通用性，就我们所知，机器不仅能够在一项活动中脱颖而出，而且能够抽象一般信息，找到我们无法想象的解决方案。我不会谈论区块链，而是谈论另一场革命（更少的经济，更多的数学），它是关于计算的： 量子计算机。

量子计算并不是什么新事物，我们已经谈论它几十年了，但是我们现在正在见证这种技术从理论到实现的转变。量子计算机在20世纪80年代初首次被理论化，但直到最近几年，由于谷歌和IBM等公司的承诺，一股强大的推动力一直在推动这些机器的发展。量子计算机能够使用量子粒子（想象它们像电子或光子）来处理信息。粒子的作用是正的或负的 （即我们在传统计算机科学中用来看到的0和 1）， 或者同时产生量子信息位， 称为 “量子位”。这是因为，在传统计算机上，二进制代码0和1的编码是由闭路或通过一个开放的路径建成，量子计算机的0和1编码的物理状态被发现使用的亚原子粒子。亚原子世界的性质相当奇特。事实上，粒子可以存在于状态的叠加中，在这种情况下，粒子的状态是0和1的重叠。这意味着在短时间内考虑到所有的可能性，从而使预测和分析能够比目前的二进制计算机以前能够更快更有效地进行。

我们每天、每小时、每分钟、每秒钟都会生成大量的数据，但是直到现在，我们还不能使用足够的计算能力从所有这些信息中获得真正的优势。量子计算机可以帮助理解我们正在生成的数据，这在人工智能的帮助下是可能的。机器学习是一种应用于机器的人工智能，它基于一种称为深度学习的学习技术，可以在基于人工神经网络的技术的背景下实现，这是一种美丽的生物启发编程范式，它使计算机能够从观测数据中学习。神经网络是由我们的大脑的功能所启发的，基于神经元之间的相互联系，但是，与生物大脑不同的是，任何神经元都可以在一定的物理距离内连接到其他神经元，这些网络的特点是离散数据的层次、连接和传播方向，其中网络的每个节点都对作为输入提供的数据是否正确这一事实分配一定的百分比概率，从而确定这些评估的最终输出。输出给出的结果也称为概率向量。神经网络需要的是训练，因为许多输入必须权衡。

关于量子计算和人工智能集成的研究还处于萌芽阶段，因为任何机器学习算法都还处于理论阶段。然而，两者之间的结合开启了非常重要的前景，但也存在风险。国家安全局（NSA）提出了一个问题，量子计算机可能会在几十年内学会破解公钥密码术。因此，在这种情况下，现在是考虑如何防止网络犯罪分子设立任何类型的欺诈的时候了。比如身份盗窃以及我们的隐私禁忌也必须考虑在内。

在正在开发和实验的量子算法中，有一种类型学，即Shor分解，它可以用来破坏基于ECDSA（椭圆曲线数字签名算法）的区块链加密术。该算法规定，只有交易负责人才能创建数字签名，保留其私钥，而每个人都可以使用公钥来验证其真实性。用来保护私钥的操作可以很容易地用量子计算机进行逆向计算，从而在短短几分钟内就暴露出这种密码。我们知道，每一个比特币所有者都有一个公钥和一个私钥，任何人只要进入另一个用户的私钥，都可以使用这个人的帐户，因此，当代币的安全性不再得到保证时，风险可能会增加。

重要的是要注意到量子计算机并不标志着密码学的终结，而仅仅是一个范式的转变。在量子密码学的发展过程中必须寻求解决方案，比如基于晶格的密码学和完全同态的密码学（FHE）。基于晶格的密码学使用二维代数结构称为“格”，可以抵抗量子计算方案。晶格是点的无限网格；基于晶格技术的计算问题是“最短向量问题”，它要求识别网格中最靠近空间中定点的点，称为原点。这是一个在二维网格中很容易解决的问题，但是随着维数的增加，即使是量子计算机也不能有效地解决这个问题。基于晶格的密码学也是开发完全同态加密的基础，它可以在不解密的情况下执行文件计算，在简化流程方面具有明显优势。使用加密数据执行操作得到的加密结果，一旦解密，就等于对未加密数据执行相同操作来得到同样的结果。

与此同时，量子计算机验证算法也将被开发出来。因此，几乎可以肯定的是，在与量子算法并行的同时，可能会开发新的量子证明系统，然后通过所谓的分叉在基于区块链的加密货币协议中实现，以恢复和保证交易的不可变性。