FHE全同态加密简析：技术原理、应用场景及相关项目

原作者：昊天

Vitaliks article on FHE (Fully Homomorphic Encryption) has once again inspired everyones exploration and imagination of new encryption technologies. In my opinion, FHE is indeed a step higher than ZKP technology in terms of imagination, and can help AI+Crypto to be implemented in more application scenarios. How should we understand this?

1）定义：FHE全同态加密可以实现对特定形式的加密数据进行操作，不用担心数据暴露和隐私泄露。相比之下，ZKP只能解决加密状态下数据的一致性传输问题，数据接收方只能验证数据方提交的数据真实性，是点对点的加密传输方案；而全同态加密不限制操作主体的范围，因此可以看作是多对多的加密操作方案。

2）工作原理：传统计算机运算都是对明文数据进行，如果数据是加密的，则需要先解密后才能进行计算，这样势必会暴露隐私数据。同态加密构造了一种特殊的加密方案，可以对密文进行同态变换，使得运算结果与明文运算结果保持一致。在同态加密系统中，明文的加法等价于密文的乘法（一条规则），因此如果要对明文数据进行加法，只需要乘以密文即可（等价）。

简单来说，同态加密就是利用特殊的同态变化，使得密文状态下的数据产生与明文相同的结果，只需保证运算规则的同态对应特性即可。

3）应用场景：在传统互联网领域，FHE全同态加密可以广泛应用于云存储、生物识别、医疗健康、金融、广告、基因测序等诸多领域。以生物识别为例，个人指纹、虹膜、人脸等生物特征数据均属于敏感数据，利用FHE技术可以实现这些数据在服务器密文状态下的比对验证；同样，医疗健康领域多年的数据碎片化现象也可以被FHE打破，让不同的医疗架构在不共享原始数据的情况下进行联合分析建模。

在Crypto领域，FHE的应用空间还可以涉及到多个需要隐私的场景，比如游戏、DAO投票治理、MEV保护、隐私交易、监管合规等。以游戏场景为例：平台进行计算来推广游戏，而无需窥探玩家手中的牌，使游戏更加公平；

以 DAO 投票为例，巨鲸可以在不暴露地址和投票数的情况下参与投票治理，协议通过计算产生投票结果。此外，用户可以将加密交易传递给 Mempool，避免暴露目标地址、转账金额等隐私信息。再比如，在监管场景下，政府可以在不检查合法交易隐私数据的情况下，对资金池进行监控，剥离涉黑地址的资产。

4）缺点：值得注意的是，计算机对明文进行常规运算的计算环境往往比较复杂，除了加减乘除之外，还有条件循环、逻辑门判断等，而半同态加密和全同态加密只能在加法和乘法上快速进行，更复杂的运算需要组合和叠加，这会相应增加计算能力需求。

Therefore, in theory, fully homomorphic encryption can support any calculation, but due to performance bottlenecks and algorithm characteristics, the types and complexity of homomorphic calculations that can be efficiently executed are very limited. Generally speaking, complex calculations will require a large amount of computing power. Therefore, the technical implementation process of fully homomorphic encryption is actually a development process of algorithm optimization and computing power cost control optimization, especially focusing on the performance after hardware acceleration and computing power enhancement.

多于

在我看来，虽然FHE全同态加密短时间内难以成熟和应用，但作为ZKP技术的扩展和补充，可以为AI大模型隐私计算、AI数据联合建模、AI协同训练、加密隐私合规交易、加密场景扩展等提供巨大的支撑价值。

本文来源于网络：FHE全同态加密浅析：技术原理、应用场景及相关项目

相关：Fantom（FTM）价格预测：这种看涨模式能否阻止 31% 下跌？

简而言之，Fantom 价格正在形成抛物线曲线模式，这表明可能出现 31% 修正。山寨币与比特币的正相关性表明 FTM 即将下跌。活跃存款也处于数月高位，表明出售动机很高。Fantom (FTM) 价格正处于看涨模式之中，但尽管出现反弹，但仍在观察看跌信号。山寨币能否抵抗这种情绪并继续其潜在的 102% 增长，还是会很快面临 31% 修正？加密货币市场看跌线索对 Fantom 价格造成沉重压力自本周初以来，Fantom 价格一直保持在 $1 关口上方。考虑到历史走势，山寨币似乎可能会继续这种反弹，但更广泛的……