轉發原文標題 Explaining the Recent Rise of Fully Homomorphic Encryption in the Blockchain Industry》

全同態加密 (FHE) 簡介：探索其令人興奮的應用、局限性以及推動其流行的最新發展。

當我第一次聽說“完全同態加密”（FHE）時，我想知道區塊鏈領域傾向於爲流行概念分配長名稱。多年來，我們遇到過很多讓整個行業陷入困境的流行語，最近的一個是“零知識證明”（ZKP）。

在對使用 FHE 構建產品的新公司進行了一些挖掘和探索之後，我注意到地平線上充滿了一套出色的新工具。在接下來的幾個月和幾年裏，FHE 可能會像 ZKP 一樣成爲下一個席卷整個行業的重大技術。公司正在利用密碼學和雲計算各個領域的最新進展，爲強大的、保護數據隱私的未來鋪平道路。問題不在於我們是否能實現這一目標，而是何時實現，我相信 FHE 可能成爲推進數據隱私和所有權的關鍵催化劑。

在接下來的幾周裏，我將全身心投入更多地了解 FHE 並研究其局限性、潛力和應用。我將在一系列文章中分享我的發現，這些文章探討了圍繞 FHE 的對話的不同方面。本週，我將介紹這項技術並討論爲什麼它最近引起了廣泛關注。很多業內人士都在談論這個問題，包括來自 Multicoin Capital 的 Kyle Samani，他是這樣說的：

“FHE 是密碼學的聖杯。隨着時間的推移，FHE 將重塑所有計算的結構，無論是 web2 還是 web3。”

什麼是同態（Homomorphism）？

要解決這個問題，明智的做法是先了解 “同態 “的含義。追根溯源，同態起源於數學，被定義爲兩個同類型代數結構之間的映射，保留了它們之間的核心部分。

如果你和我一樣喜歡更實用的定義，那麼數學背後的基本原理就是：兩個組不必完全相同，也擁有相同的核心屬性。例如，想象兩盒水果，每盒對應一個不同的組：

A 盒裝有小尺寸水果。
B 盒裝有大尺寸水果。

盡管各個水果的大小不同，但在 A 盒中將小蘋果和橙子一起榨汁會產生與在 B 盒中將大蘋果和橙子一起榨汁具有相同風味的混合果汁。將水果榨汁以產生相同的風味類似於保存兩個盒子之間的核心組件。假設相同的口味是我們最關心的，那麼我們從哪個盒子中榨汁並不重要，因爲更多/更少的果汁量不是我們的重點。這些組在重要的地方（口味）是相同的，因此它們之間的差異（大小和數量）對其主要功能沒有影響，我們將其定義爲產生特定的果汁風味。

與同態相比，我們捕捉到了它的兩個主要特徵：

1. 映射： 我們在水果之間建立了聯系，其中盒子 A 中的每個小水果對應於盒子 B 中的較大版本。因此，盒子 A 中的小蘋果對應於盒子 B 中的大蘋果，依此類推。
2. 操作保存： 如果在 A 盒中榨汁兩個小水果會產生特定的味道，那麼在 B 盒中榨汁相應的較大版本應該會產生相同的味道。盡管獲得的果汁的大小和數量存在差異，但“風味特徵”得以保留。

什麼是全同態加密（Fully Homomorphic Encryption）？

回到本文的中心主題，全同態加密 （FHE）是一種特定的數據加密方法，使人們能夠在不泄露原始數據的情況下對加密數據進行計算。理論上，對加密數據執行的分析和計算應該產生與對原始數據執行的分析和計算相同的結果。通過FHE，我們在加密數據集中的數據與原始數據集中的數據對應的數據之間建立了1:1的連接。在這種情況下，核心組件保存是能夠對任一組的數據執行任何計算並產生相同的結果。

就背景而言，許多公司已經採取預防措施來保護用戶數據並維護差異隱私。公司很少以原始、未加密的形式將數據存儲在雲或數據庫中。因此，即使攻擊者獲得了公司服務器的控制權，他們仍然必須繞過加密才能讀取和訪問數據。然而，當數據只是坐在那裏、加密且未使用時，它並沒有什麼意義。當公司想要對數據進行分析以獲得有價值的見解時，他們別無選擇，只能解密數據來實現這一目的。解密後，數據就會變得脆弱。然而，通過端到端加密，FHE 變得非常有用，因爲我們不再需要解密數據就能對其進行分析。

一個重要的考慮因素是，是否應該允許公司從一開始就閱讀和存儲我們的個人信息。許多人對此的標準回應是，公司需要查看我們的數據，以便爲我們提供更好的服務。

如果 YouTube 不存儲我的觀看和搜索歷史記錄等數據，算法就無法充分發揮其潛力，無法向我展示我感興趣的視頻。出於這個原因，許多人都考慮過數據隱私和獲取數據之間的權衡。更好的服務值得做。然而，有了 FHE，我們不再需要進行這種權衡。 YouTube 等公司可以在加密數據上訓練算法，並爲最終用戶生成相同的結果，而不會侵犯數據隱私。具體來說，他們可以對我的觀看和搜索歷史等信息進行同態加密，因爲加密了，所以無需查看即可對其進行分析，然後根據分析向我展示我感興趣的視頻。

全同態加密（FHE）是建設一個未來的重要步驟。未來我們的數據不再是我們妥協，免費贈送給大公司或組織的寶貴商品。

全同態加密的應用

正確應用全同態加密（FHE）對於所有存儲用戶數據的部門來說都是一個突破。我們正在尋找一種技術，它可以改變我們對數據隱私的整體態度以及企業可接受的侵犯限制。

讓我們先來看看醫療保健服務如何改變醫療行業的數據實踐。許多醫院將患者的私人記錄存儲在其數據庫中，出於道德和法律原因，他們必須對這些記錄保密。然而，這些信息對於外部醫學研究人員來說很有價值，他們可以分析這些數據，從而推斷出對疾病和潛在治療方法的重要見解。減緩研究的一個主要障礙是在將患者數據外包給研究人員時保持患者數據的完全機密性。對患者記錄進行匿名化或假名化的方法有很多。但是，這些方法並不完善，可能會透露太多關於某人的信息，使其身分可被識別；也可能沒有充分透露其病例，使其難以獲得關於疾病的準確見解。

有了 FHE，醫院可以對患者數據進行同態加密，從而更容易在雲存儲中保護患者隱私。醫學研究人員可以在不泄露患者隱私的情況下，對加密數據進行計算和運行分析功能。由於加密數據和原始數據之間存在 1:1 的映射關係，因此從加密數據集獲得的結果可提供真正的見解，並可應用於實際病例。FHE 可以迅速加快醫療保健行業的進步。

FHE 的另一個令人興奮的應用是人工智能 (AI) 培訓。目前，人工智能行業正在努力解決隱私問題，這阻礙了公司訪問對於完善人工智能算法至關重要的許多廣泛數據集。訓練人工智能的公司必須在使用有限的公共數據集、花很多錢購買私有數據集，或創建數據集之間做出選擇，這對於用戶較少的小公司來說是一個挑戰。 FHE 應該解決阻止許多數據集提供商進入該市場的隱私問題。因此，FHE 的改進可能會導致可用於訓練 AI 的數據集數量增加。鑑於可用數據集的日益多樣化，這將使人工智能培訓在經濟上更加容易獲得和完善。

全同態加密過去的局限性

如果完全同態加密 (FHE) 確實有望改變現代大數據，爲什麼我們還沒有看到更多的實際應用呢？

雖然FHE多年來一直是人們討論和研究的話題，但現實情況是，在實踐中實施FHE是非常困難的。核心挑戰在於執行 FHE 所需的計算能力。完全同態安全的數據集可以產生與其原始數據形式相同的分析結果。這是一項具有挑戰性的壯舉，需要大量的計算速度和能力，其中許多在現有計算機上實現是不切實際的。對原始數據通常需要幾秒鍾的操作對於同態加密數據集可能需要數小時或數天。這種計算挑戰造成了一個自我延續的循環，許多工程師推遲了 FHE 項目的實施，從而減慢了其開發速度並限制了其優勢的充分實現。

工程師在使用 FHE 時面臨的一個具體計算問題是解決 “噪聲誤差”。在對同態加密數據集進行計算時，許多工程師都遇到過每次計算都會產生無關噪聲或錯誤的情況。當只需要幾次計算時，這是可以容忍的，但經過多次分析後，噪聲可能變得如此突出，以至於原始數據變得難以理解。數據實際上已丟失。

爲什麼是現在？

就像@matthewdwhite/a-brief-history-of-generative-ai-cb1837e67106">生成式人工智能在成爲主流之前曾被認爲是有限和原始的一樣，全同態加密（FHE）也在朝着類似的方向發展。許多行業領導者，甚至那些超越區塊鏈領域的領導者，都聚集在一起，組織對 FHE 的大量研究和開發。這導致了最近的幾項行業發展，爲這項技術的進步提供了令人信服的理由。

DPRIVE計劃

2021 年 3 月，微軟、英特爾和國防高級研究計劃局 (DARPA) 同意啓動一項 多年計劃 加速全同態加密（FHE）的發展。該計劃名爲虛擬環境中的數據保護 (DPRIVE)，標志着 FHE 取得了重大進展。它展示了兩個專門從事雲計算和計算機硬件的行業巨頭聯合起來解決數據隱私問題。他們發起這個計劃是爲了構建能夠管理 FHE 計算速度的計算機和軟件，並爲準確的 FHE 實施制定指南，防止因錯誤使用而可能導致的數據泄露。

作爲 DPRIVE 計劃的一部分，工程師們通過探索將噪聲降低到可保留原始數據水平的方法，承擔起了減輕前面提到的 “噪聲誤差 “的任務。一個很有前景的解決方案是設計大算術字長（LAWS）數據表示。傳統的計算機處理器（CPU）通常使用 64 位字，而工程師們正在開發能夠使用 LAWS 處理 1024 位或更多字的新型硬件。這種方法之所以有效，是因爲研究表明，較長的字直接影響信噪比。簡單地說，字數越長，在 FHE 中每增加一個計算步驟所產生的噪聲就越小，從而可以在達到數據丟失臨界值之前執行更多的計算。通過構建新硬件來應對這些挑戰，參與 DPRIVE 計劃的工程師們大大減少了執行 FHE 所需的計算負荷。

爲了加快計算速度並更接近將 FHE 速度提高 10 萬倍的目標，DPRIVE 團隊開始不斷設計新的數據處理系統，以超越傳統處理和繪圖單元的能力。他們開發了一種新的多指令多數據 （MIMD）系統，能夠同時管理大量指令和數據集。 MIMD 系統就好比建造一條新的高速公路，而不是利用現有的設備不完善的道路來滿足快速、實時計算 FHE 所需的交通量。

DPRIVE 程序的有趣之處在於它在計算機數學計算中廣泛使用了 “並行性“。這使開發人員能夠同時執行多個大數計算。你可以把並行化理解爲部署一羣數學家同時處理一個巨大數學問題的不同部分，而不是讓他們一個接一個地完成各自的工作。雖然同時進行多項計算有助於快速解決問題，但計算機必須採用風冷系統，以防止過熱。

2022 年 9 月，即該計劃啓動一年半多後，微軟、英特爾和 DARPA 宣布 他們已成功完成 DPRIVE 計劃的第一階段。他們目前正在進行 DPRIVE 第二階段。

SDK 和開源庫

隨着衆多大公司率先在全同態加密（FHE）領域取得進展，軟件開發工具包（SDK）和開放原始碼庫的供應量激增，開發人員可以在彼此的工作基礎上進行開發。

微軟宣布推出開源庫 Microsoft Seal，爲開發人員提供在數據集上執行同態加密的工具。這將端到端加密和計算服務的訪問民主化，使更多開發人員能夠探索 FHE。該庫提供了同態加密程序的示例，並附有詳細的注釋，以指導開發人員正確、安全地使用程序。

英特爾也推出自己的同態加密工具包，爲開發人員提供了促進雲中更快同態加密的工具。英特爾靈活地設計了該工具包，確保與最新的數據處理和計算進步兼容。它包括爲格密碼學量身定制的專門功能、與 Microsoft Seal 無縫操作的集成、同態加密方案示例以及指導用戶的技術文檔。

谷歌的私有連接和計算 開源庫爲開發人員提供多方計算（MPC）工具。這種計算方法允許各方通過組合不同的數據集來獲得共享的見解，而無需相互暴露原始數據。 Private Join and Compute 融合了 FHE 和 Private Set Intersection（PSI）的加密技術，以優化數據保密性。PSI 是另一種加密方法，它允許擁有不同數據集的各方在不泄露數據的情況下識別共同元素或數據點。谷歌推進數據隱私的方法並不僅僅集中在 FHE 上，而是通過將 FHE 與其他有影響力的數據實踐相結合，優先考慮更廣泛的 MPC 概念。

值得注意的是，FHE 的信譽良好的開源庫的可用性不斷增加。然而，當觀察信譽良好的公司在其運營中嘗試使用這些庫時，它變得更加引人注目。 2021 年 4 月，著名的證券交易所和全球資本市場技術實體納斯達克（Nasdaq）將 FHE 納入其運營中。利用英特爾的 FHE 工具和高速處理器，納斯達克通過反洗錢工作和欺詐檢測應對金融犯罪。這是通過使用同態加密技術在包含敏感信息的數據集中識別有價值的見解和潛在的非法活動來實現的。

最近的融資

除了前面提到的公司進行的研發之外，其他幾家公司最近也爲專注於全同態加密 (FHE) 的計劃獲得了大量資金。

Cornami(科納米) 是一家大型科技公司，因率先開發專爲同態加密而設計的可擴展雲計算技術而聞名。他們致力於創建比傳統 CPU 更有效地支持 FHE 的計算系統。他們還制定了旨在保護加密數據免受量子計算威脅的舉措。 2022年5月，科納米宣布成功完成 C 輪融資，獲得由軟銀領投的 6800 萬美元融資，募集資金總額達到 1.5 億美元。

Zama 是區塊鏈行業的另一家公司，正在構建開源同態加密工具，開發人員可以利用這些工具使用 FHE、區塊鏈和人工智能來構建令人興奮的應用程序。 Zama 構建了完全同態以太坊虛擬機 (fhEVM) 作爲其產品的一部分。該智能合約協議使鏈上交易數據在處理過程中保持加密狀態。使用 Zama 庫探索各種應用程序的開發人員對其性能印象深刻，即使在復雜的用例中也是如此。2022年2月，Zama成功完成了由Protocol Labs領投的4200萬美元A輪融資，融資總額達到5000萬美元。

Fhenix 也是一個新興項目，正在將 FHE 引入區塊鏈。他們的目標是將 FHE 的應用擴展到保密支付之外，爲 FHE 在去中心化金融（DeFi）、橋接、治理投票和 Web3 遊戲等領域的精彩用例打開大門。2023 年 9 月，Fhenix 宣布完成由 Multicoin Capital 和 Collider Ventures 領投的 700 萬美元種子輪融資。

下一步是什麼？

多年來，完全同態加密 (FHE) 作爲一種承諾強大的端到端加密的想法一直存在，預示着強大的數據隱私的未來。最近的發展正開始將 FHE 從理論夢想變爲現實。盡管各家公司都在爭先實施首個強大的全功能版本的 FHE，但許多公司都在合作，共同應對這項復雜技術的挑戰。通過實施各種跨團隊計劃和開發與其他庫集成的開源庫，這種合作精神顯而易見。

根據我的發現，圍繞 FHE 的討論似乎影響深遠。在接下來的幾周裏，我很高興能深入探討，分享我對全人教育研究的進一步見解。具體來說，我渴望更深入地探討以下話題：

• FHE 的新興應用。
• 零知識證明 (ZKP) 和 FHE 之間的相互作用。
• 將 FHE 與私有集合交集 (PSI) 相結合，推進安全的多方計算 (MPC)。
• Zama 和 Fhenix 等新公司在 FHE 領域取得了領先發展地位。

引用：

Arampatzis, Anastasios. “同態加密的最新發展”。Venafi，2022 年 2 月 1 日，venafi.com/blog/what-are-latest-developments-homorphic-encryption-ask-experts/。

Arampatzis, Anastasios. “同態加密是什麼及如何使用”。Venafi，2023 年 4 月 28 日，venafi.com/blog/homorphic-encryption-what-it-and-how-it-used/。

“構建實現持續數據保護的硬件”。DARPA, 2 Mar. 2020, www.darpa.mil/news-events/2020-03-02.

Cristobal, Samuel. “完全同態加密： 密碼學的聖杯”。Datascience.Aero，2021 年 1 月 7 日，datascience.aero/fully-homorphic-encryption-the-holy-grail-of-cryptography/。

“同態加密： 同態加密是什麼，爲什麼重要？互聯網協會，2023 年 3 月 9 日，www.internetsociety.org/resources/doc/2023/homomorphic-encryption/。

Hunt, James. “FHENIX種子輪融資700萬美元，Multicoin Capital領投”。The Block，The Block，2023 年 9 月 26 日，www.theblock.co/post/252931/fhenix-seed-multicoin-capital。

“英特爾®同態加密工具包”。英特爾，www.intel.com/content/www/us/en/developer/tools/homomorphic-encryption/overview.html#gs.fu55im （2023 年 10 月 8 日訪問。）

“英特爾將與微軟就 DARPA 項目進行合作”。英特爾，2021 年 3 月 8 日，www.intel.com/content/www/us/en/newsroom/news/intel-collaborate-microsoft-darpa-program.html#gs.ftusxq。

“英特爾至強推進納斯達克同態加密研發”。英特爾，2021 年 4 月 6 日，www.intel.com/content/www/us/en/newsroom/news/xeon-advances-nasdaqs-homomorphic-encryption-rd.html#gs.6mpgme。

Johnson, Rick. “英特爾完成 DARPA DPRIVE 第一階段完全同態加密平台的裏程碑”。英特爾，2022 年 9 月 14 日，community.intel.com/t5/Blogs/Products-and-Solutions/HPC/Intel-Completes-DARPA-DPRIVE-Phase-One-Milestone-for-a-Fully/post/1411021。

“Microsoft Seal：快速易用的同態加密庫”。微軟研究院，2023 年 1 月 4 日，www.microsoft.com/en-us/research/project/microsoft-seal/。

Paillier, Dr. Pascal. “完全同態加密： 密碼學的聖杯”。商業時代（Business Age），2023 年 3 月 9 日，www.businessage.com/post/fully-homomorphic-encryption-the-holy-grail-of-cryptography

Samani, Kyle. “鏈上 FHE 的黎明”。Multicoin Capital，2023 年 9 月 26 日，multicoin.capital/2023/09/26/the-dawn-of-on-chain-fhe/。

Walker、Amanda 等人。”幫助組織機構在不收集更多數據的情況下做更多事情”。Google 在線安全博客，2019 年 6 月 19 日，security.googleblog.com/2019/06/helping-organizations-do-more-without-collecting-more-data.html。

“什麼是完全同態加密？” Inpher，2021 年 4 月 11 日，inpher.io/technology/what-is-fully-homorphic-encryption/。

White, Matt. “生成式人工智能簡史”。Medium, 8 July 2023, https://matthewdwhite.medium.com/a-brief-history-of-generative-ai-cb1837e67106#:~:text=Although%20most%20people%20will%20admit,of%20Stability%20AI%E2%80%99s%20Stable%20Diffusion.

聲明：

1. 本文轉載自[@mustafa.hourani/explaining-the-recent-rise-of-fully-homomorphic-encryption-in-the-blockchain-industry-c7081fa05458">Medium]，原文標題《Explaining the Recent Rise of Fully Homomorphic Encryption in the Blockchain Industry》，著作權歸屬原作者[ Mustafa Hourani ]，如對轉載有異議，請聯系Gate Learn團隊，團隊會根據相關流程盡速處理。
2. 免責聲明：本文所表達的觀點和意見僅代表作者個人觀點，不構成任何投資建議。
3. 文章其他語言版本由Gate Learn團隊翻譯， 在未提及Gate.io的情況下不得復制、傳播或抄襲經翻譯文章。