Fhenix가 Sunscreen를 인수했습니다 — 이 FHE 거래가 블록체인 프라이버시의 모든 것을 어떻게 바꾸는가

월스트리트(Wall Street)는 온체인(on-chain) 거래를 원합니다. AI 모델은 프라이빗 데이터(private data)가 필요합니다. 스테이블코인(Stablecoins)은 기밀 트랜잭션(confidential transactions)을 필요로 합니다. 그리고 현재 이들 모두는 동일한 문제에 직면해 있습니다: 퍼블릭 블록체인(public blockchains)은 모든 것을 모두에게 방송합니다.

2026년 7월 2일, Fhenix는 Web3를 위한 완전 동형 암호 (FHE, fully homomorphic encryption) 인프라를 구축하는 초기 팀 중 하나인 Sunscreen를 인수했다고 발표했습니다. Sunscreen의 창립자인 Ravital Solomon은 Fhenix에 합류하여 전체 암호학 연구 조직을 이끌게 됩니다. 재무적 조건은 공개되지 않았지만, 그 신호는 명확합니다: Ethereum 상의 FHE가 프로덕션 단계(production-ready)로 가고 있다는 것입니다.

블록체인 프라이버시에 대해 구축하거나, 투자하거나, 관심을 가진 모든 이들에게 이것이 왜 중요한지 설명하겠습니다.

FHE가 실제로 하는 일 (그리고 왜 어려운가)

전통적인 암호화는 저장된 데이터(data at rest)와 전송 중인 데이터(data in transit)를 보호합니다. 하지만 그 데이터를 _사용_해야 하는 순간 — 연산을 수행하거나, 스마트 컨트랙트(smart contract)를 실행하거나, 모델을 학습시키는 순간 — 먼저 복호화(decrypt)를 해야 합니다. 그 지점이 바로 노출되는 지점입니다.

FHE는 그러한 노출을 완전히 제거합니다. FHE는 데이터를 전혀 복호화하지 않고도 암호화된 데이터 위에서 연산을 수행할 수 있게 해줍니다. 결과 또한 암호화된 상태로 유지됩니다. 오직 복호화 키(decryption key)를 보유한 당사자만이 출력값을 볼 수 있습니다.

이것이 무엇을 가능하게 하는지 생각해 보십시오:

• 프라이빗 DeFi (Private DeFi): MEV 봇이나 경쟁자에게 자신의 포지션을 드러내지 않고 거래를 실행
• 기밀 스테이블코인 (Confidential stablecoins): 전체 네트워크에 잔액을 방송하지 않고 거액을 이동
• 온체인 AI (AI on-chain): 입력을 노출하지 않고 암호화된 사용자 데이터 위에서 머신러닝 추론(machine learning inference)을 실행

문제는 무엇일까요? FHE는 고통스러울 정도로 느렸습니다. 평문(clear-text)보다 수십 배(orders-of-magnitude) 더 느린 수준입니다. 이것이 Fhenix와 Sunscreen가 각각 독립적으로 깎아 나가고 있는 엔지니어링의 벽입니다.

이번 인수가 전략적으로 타당한 이유

Fhenix는 Multicoin Capital과 Collider Ventures가 주도한 700만 달러 규모의 시드 라운드(seed round)를 유치했습니다. 이들은 EVM 호환 체인에 연결되는 CoFHE라는 FHE 코프로세서(coprocessor)를 구축해 왔습니다. 이들의 전략은 암호화된 연산(encrypted computation)이 일반적인 스마트 컨트랙트 개발처럼 느껴지게 만드는 것입니다.

반면, Sunscreen는 암호학적 원시 요소(cryptographic primitives), 즉 FHE가 실제로 대규모로 작동하게 만드는 기초 수학에 집중해 왔습니다. 이들은 Web3 FHE 분야의 선구자였으며, 견고하게 구현된 FHE 라이브러리들을 구축했습니다.

두 회사의 결합을 통해 Fhenix는 다음과 같은 이점을 얻습니다:

1. 심도 있는 암호학 인재 — Solomon의 팀은 수년간의 FHE 연구 경험을 보유하고 있습니다.
2. 프로덕션급 FHE 라이브러리 — 더 이상 처음부터 직접 구축할 필요가 없습니다.
3. 양자 내성 기반(Quantum-resistant foundations) — 새로운 스택은 양자 공격(post-quantum attacks)으로부터 생존할 수 있도록 설계되었습니다.

양자 관련 측면은 특히 흥미롭습니다. 현재의 블록체인들은 양자 컴퓨터가 깨뜨릴 수 있는 암호학적 가정(cryptographic assumptions)에 의존하고 있습니다. TFHE 및 CKKS와 같은 FHE 스킴(schemes)은 격자 문제(lattice problems)를 기반으로 하는데, 이는 NIST가 양자 내성 표준화(post-quantum standardization)를 위해 선택한 것과 동일한 수학적 원리입니다. 따라서 이것은 단순한 프라이버시 확보 차원을 넘어, 미래를 대비하는 전략(future-proofing play)입니다.

실제 시장: AI와 프라이빗 연산의 만남

이 지점이 AI 분야 사람들에게 흥미로운 부분입니다. 모든 주요 AI 기업은 동일한 병목 현상에 직면해 있습니다. 바로 학습 데이터가 민감하며, 사용자들은 자신의 데이터가 노출되는 것을 원하지 않는다는 점입니다.

FHE는 이 문제를 해결합니다. 다음과 같은 작업이 가능해집니다:

• 환자의 데이터를 직접 보지 않고도 암호화된 의료 기록을 사용하여 모델을 학습
• 계좌 세부 정보를 공개하지 않고 금융 거래에 대한 추론(inference)을 실행
• 에이전트의 전략을 노출하지 않고 온체인(on-chain)에서 AI 에이전트 로직을 실행

Fhenix는 Base와 Arbitrum을 포함한 세 개의 주요 네트워크에 걸쳐 자신들의 양자 안전 프라이버시 레이어(quantum-safe privacy layer)를 배포하고 있습니다. 이는 이미 AI 통합 DeFi 프로토콜을 구축하고 있는 EVM 개발자들의 손에 암호화된 연산을 직접 전달하는 것입니다.

더 광범위한 AI 프라이버시 도구와의 연결 고리는 명확합니다. 만약 FHE (완전 동형 암호)가 실제 서비스에 사용할 수 있을 만큼 충분히 빨라진다면, 현재로서는 존재할 수 없는 새로운 애플리케이션 카테고리가 열리게 됩니다. 프라이빗 AI 에이전트 (Private AI agents), 기밀 DAO (Confidential DAOs), 암호화된 거버넌스 투표 등이 그 예입니다.

개발자들에게 이것이 의미하는 바

만약 여러분이 Ethereum (이더리움)이나 다른 EVM (Ethereum Virtual Machine) 체인 위에서 무언가를 구축하고 있다면, 이 소식은 매우 중요합니다. Fhenix의 CoFHE 코프로세서 (coprocessor)가 표준 Solidity 워크플로우를 통해 FHE를 쉽게 사용할 수 있도록 만드는 것을 목표로 하기 때문입니다. 스마트 컨트랙트 (smart contract) 로직을 암호화하기 위해 격자 암호학 (lattice cryptography) 박사 학위가 필요하지는 않을 것입니다.

프라이버시에 집중하는 빌더라면 다음의 발전 사항을 주목하십시오:

• Fhenix의 CoFHE 테스트넷 (testnet) — 암호화된 스마트 컨트랙트 배포에 대한 조기 액세스
• Base 및 Arbitrum 통합 — 더 낮은 가스 비용(gas costs)으로 L2 (Layer 2)에서 수행되는 암호화된 연산
• 양자 내성 마이그레이션 경로 (Quantum-safe migration path) — 양자 위협으로부터 프로토콜을 미래에도 안전하게 보호

더 넓은 생태계가 빠르게 움직이고 있습니다. 또 다른 FHE 스타트업인 Zama는 2026년 초에 2억 2,600만 달러를 유치했습니다. Fhenix의 Sunscreen 인수는 이 분야의 통합을 시사합니다. 즉, 팀들이 실제 서비스 적용을 가속화하기 위해 합병하고 있다는 것입니다.

결론

FHE는 블록체인 프라이버시를 위한 마지막 퍼즐 조각입니다. 단순히 섞는 것이 아닙니다. 선택적 공개를 위한 영지식 증명 (zero-knowledge proofs)도 아닙니다. 데이터의 전체 생명 주기 동안 프라이버시를 유지하는 실제 암호화된 연산입니다.

Fhenix가 Sunscreen를 인수한 것은 엔지니어링 문제들이 가까운 시일 내에 해결 가능하다는 것에 대한 베팅입니다. 양자 위협이 다가오고 온체인 (on-chain) 프라이버시에 대한 기관의 수요가 증가하고 있는 상황에서, 이 타이밍은 타당합니다.

만약 그들이 이를 성공시킨다면, Ethereum 위의 모든 DeFi 프로토콜, 모든 AI 에이전트, 모든 스테이블코인 (stablecoin) 발행자는 실제로 작동하는 프라이버시 레이어를 갖게 될 것입니다. 그리고 그것은 모든 것을 바꿀 것입니다.

FAQ

완전 동형 암호 (Fully Homomorphic Encryption, FHE)란 무엇인가요?
FHE를 사용하면 데이터를 복호화하지 않고도 암호화된 데이터에 대해 연산을 수행할 수 있습니다. 처리 전에 복호화가 필요한 전통적인 암호화와 달리, FHE는 전체 연산 주기 동안 데이터를 암호화된 상태로 유지합니다.

Fhenix의 Sunscreen 인수가 왜 중요한가요?
Fhenix의 EVM 통합 및 코프로세서 (Coprocessor) 기술과 Sunscreen의 심도 있는 암호학적 연구를 결합하기 때문입니다. 통합된 팀은 Ethereum 및 L2 네트워크를 위한 양자 내성 (Quantum-resistant) FHE 인프라를 구축하고 있습니다.

FHE는 프라이버시를 위한 영지식 증명 (ZKP)과 어떻게 다른가요?
ZKP는 기초 데이터를 공개하지 않고도 어떤 사실이 참임을 증명할 수 있게 해줍니다. 반면 FHE는 암호화된 데이터 위에서 실제로 연산을 수행할 수 있게 합니다. 이 둘은 상호 보완적입니다. FHE는 프라이빗 연산 (Private computation)을 위해, ZKP는 선택적 공개 (Selective disclosure)를 위해 사용됩니다.

FHE는 실제 서비스(Production)에 사용할 만큼 충분히 빠른가요?
역사적으로는 그렇지 않았습니다. FHE 연산은 평문 (Plaintext)보다 수십 배(orders of magnitude) 더 느립니다. Fhenix와 같은 팀들이 바로 이 문제를 해결하기 위해 엔지니어링을 진행하고 있습니다. 하드웨어 가속 (Hardware acceleration)과 최적화된 FHE 스킴 (Schemes)을 통해, 실제 서비스 적용이 가능한 수준의 속도에 근접하고 있습니다.

AI 프라이버시 도구에 대해 더 자세히 배우려면 어디로 가야 하나요?
암호화, 프라이버시 인프라, 그리고 프라이버시 보존형 (Privacy-preserving) AI 애플리케이션 구축을 위한 도구들에 대한 큐레이션된 리소스를 확인하려면 AI Privacy Tools를 방문해 보세요.

프라이버시 보존형 도구를 더 탐색하고 싶으신가요? 큐레이션된 AI 프라이버시 솔루션을 보려면 ai-privacy-tools.vercel.app을 방문하세요. 빠른 AI 모델을 원하시면 NanoGPT를, 프라이버시 중심의 암호화폐 거래소를 원하시면 SimpleSwap을 이용해 보세요.