來源:IOBC Capital

在數(shù)字時代，數(shù)據(jù)隱私的保護比以往任何時候都更重要。隨著大數(shù)據(jù)、云計算和物聯(lián)網(wǎng)技術(shù)的快速發(fā)展，個人信息的收集、存儲和分析變得越來越普遍。然而，這也帶來了數(shù)據(jù)泄露和濫用的風(fēng)險。

FHE是全同態(tài)加密(Fully Homomorphic Encryption),允許直接計算加密數(shù)據(jù)，得到的值與原始數(shù)據(jù)中相同的計算結(jié)果一致。這意味著您可以在不暴露原始數(shù)據(jù)的情況下進行數(shù)據(jù)處理和分析，為保護數(shù)據(jù)隱私和完整性提供了新的解決方案。

FHE的理論基礎(chǔ)可以追溯到1978年，Rivest等人提出了第一個同態(tài)加密問題。直到2009年，Gentry首次在其博士論文中構(gòu)建了可實現(xiàn)的全同態(tài)加密方案，F(xiàn)HE研究才真正開始蓬勃發(fā)展。早期FHE方案的計算效率極低，不能滿足實際應(yīng)用需求。隨著科研人員不斷提出改進方案，F(xiàn)HE的性能得到了顯著提高，F(xiàn)HE的研究正朝著提高效率、降低計算復(fù)雜度和擴展應(yīng)用場景的方向發(fā)展。

FHE技術(shù)實現(xiàn)路徑

基于理想格的FHE方案

這是目前認(rèn)可的最實用、最有效的FHE結(jié)構(gòu)模式。主要思路是利用環(huán)計算的代數(shù)結(jié)構(gòu)，通過模擬計算和分解環(huán)的理想因素完成加密和解密操作。具有代表性的方案是BGV、BFV和CKKS，這種方案的優(yōu)點是計算效率高，缺點是需要更多的密鑰和密文空間。

基于矩陣的FHE方案

該方案將明文信息編碼到矩陣中，通過矩陣操作實現(xiàn)同態(tài)化。代表性方案包括GSW和HiNC，其特點是安全性高，效率低。

FHE方案基于NTRU

NTRU(Number Theory Research Unit)具有較強的代數(shù)結(jié)構(gòu)和循環(huán)對稱性，可以構(gòu)建YASHE、NTRU-FHE等高效的FHE方案，其優(yōu)點是密鑰和密文大小小小，適合資源有限的環(huán)境。

基于學(xué)習(xí)含噪音算術(shù)電路(LWE/LWR)FHE方案

基于LWE/LWR問題的加密方案，如FHEW和TFHE，更注重理論創(chuàng)新，安全性強，但實用性有限。

FHE vs. ZKP

FHE和ZKP都是加密算法，但它們幾乎是互補的。

ZKP允許證明人在不透露具體細(xì)節(jié)的情況下向驗證人確認(rèn)信息是正確的，驗證人可以在不重新計算的情況下驗證信息的準(zhǔn)確性和計算完整性。雖然ZKP可以在不泄露信息的情況下確認(rèn)準(zhǔn)確性，但其輸入通常是明確的，這可能導(dǎo)致隱私泄露。

FHE的引入可以解決這個問題，F(xiàn)HE可以在沒有解密的情況下隨意計算加密數(shù)據(jù)，從而保護數(shù)據(jù)隱私。但FHE的問題是，ZKP無法保證計算的正確性和可靠性。

通過FHE ZKP的技術(shù)組合一方面保證了輸入數(shù)據(jù)和計算步驟的隱私，另一方面為FHE計算提供了準(zhǔn)確性、合法性和可審計性的加密確認(rèn)，最終實現(xiàn)了真正安全可靠的隱私計算，對敏感數(shù)據(jù)處理、多合作計算等隱私保護應(yīng)用領(lǐng)域非常有價值。

ZAMA:FHE開拓者

Zama是一家為區(qū)塊鏈和人工智能構(gòu)建最先進FHE解決方案的開源密碼學(xué)企業(yè)。主要有四種開源方案：

TFHE-rs 是一個 Rust 實現(xiàn)的 Torus 全同態(tài)加密，用于在加密數(shù)據(jù)上執(zhí)行布爾和整數(shù)操作。TFHE-rs 庫完成了 Zama 組合的 TFHE,它實現(xiàn)了所有需要的同態(tài)操作，如通過可編程自舉自舉(Programmable Bootstrapping)加法和函數(shù)評定。

Concrete 它是一個開源的FHE框架，包含了一個開源的FHE框架 作為框架的一部分，TFHE編譯器將常規(guī)編程代碼轉(zhuǎn)換為計算機，可以使用TFHE編譯器 FHE 執(zhí)行可操作指令，使開發(fā)人員能夠輕松編寫 FHE 程序。對 FHE 加密數(shù)據(jù)的計算可能會引入大量噪聲，從而導(dǎo)致錯誤，Concrete 默認(rèn)錯誤概率很低，開發(fā)人員可以靈活修改錯誤概率參數(shù)值。

Concrete ML 基于Concrete構(gòu)建的隱私保護機器學(xué)習(xí)(PPML)開源工具，開發(fā)者可以將FHE集成到機器學(xué)習(xí)模型中，無需密碼學(xué)知識。

fhEVM 將FHE引入EVM生態(tài)系統(tǒng)，使開發(fā)人員能夠在鏈上執(zhí)行加密的智能合同，并在保護鏈上數(shù)據(jù)隱私的前提下，使智能合同仍然可以組合。FHEVM在整合TFHE-rs的同時引入了新的TFHE Solidity庫允許開發(fā)人員使用Solidity計算加密數(shù)據(jù)。

Fhenix:首個FHE-Rollup

Fhenix是第一個基于FHE的Layer2 Rollup,基于Zama的TFHE-rs構(gòu)建自己的加密計算庫——fheOS,它包含了常見加密操作碼的預(yù)編譯，使智能合約能夠在鏈上使用FHE原語。fheOS 還負(fù)責(zé) rollup 與 Threshold 服務(wù)體系 (TSN) 為了解密和重新加密請求，同時確認(rèn)解密請求是合理的。fheOS 圖書館的目的是將任何現(xiàn)有的圖書館注入到任何擴展中 EVM 版本中,與 EVM 完全適配。

使用Arbitrumm的Fhenix共識機制 的 Nitro 確認(rèn)器。之所以選擇欺詐證明方式，是因為FHE和zkSNARK的底層結(jié)構(gòu)不同，所以在目前的技術(shù)階段幾乎不可能選擇ZKP來驗證FHE的計算量。

Fhenix最近還與Eigenlayer合作開發(fā)了Fhenix coprocessors,將FHE計算引入其他公鏈，L2、L3等。由于Fhenix選擇欺詐確認(rèn)，存在7天的挑戰(zhàn)期，Eigenlayer的服務(wù)可以幫助協(xié)處理器實現(xiàn)高效的交易確認(rèn)，顯著提高性能。

Privasea推出了ImHuman應(yīng)用，基于FHE開發(fā)了Prooff of Human,旨在確認(rèn)客戶是人類，以保護其數(shù)字身份不受機器人和人工智能假冒的威脅。用戶可以通過面部生物識別來驗證它是真實的人類，并生成一個獨特的人類 NFT,作為個人身份的證明。使用 ImHuman 應(yīng)用程序，用戶可以在不泄露個人詳細(xì)信息的情況下，在不泄露個人詳細(xì)信息的情況下，在 Web3 和 Web2 在平臺上安全確定個人身份。

寫在最后

在Defi領(lǐng)域，F(xiàn)HE可以在不泄露敏感財務(wù)信息的情況下進行交易資金流動，從而保護用戶隱私，降低市場風(fēng)險，也可能成為解決MEV問題的有效途徑之一；在全鏈游戲中，F(xiàn)HE保證玩家的得分和游戲進度在加密條件下得到保護，允許游戲邏輯在不暴露數(shù)據(jù)的情況下在鏈上運行。提高游戲的公平性和安全性；在人工智能領(lǐng)域，F(xiàn)HE允許對加密數(shù)據(jù)進行分析和模型培訓(xùn)，這不僅保證了數(shù)據(jù)隱私，而且促進了跨機構(gòu)的信息共享與合作，促進了更安全、更合規(guī)的人工智能技術(shù)的發(fā)展。

FHE在實用性和效率方面仍面臨許多挑戰(zhàn)，但其獨特的理論基礎(chǔ)給克服瓶頸帶來了希望。未來，F(xiàn)HE有望通過算法優(yōu)化和硬件加速大大提高性能，擴大應(yīng)用領(lǐng)域，為數(shù)據(jù)隱私保護和安全計算提供更堅實的基礎(chǔ)。