介紹

在2022年的零知識(ZK)熱潮之後，隱私技術應用取得了重大進展，ZK生態系在EVM、DeFi和DID等領域取得了突破。隨著一個新的加密周期的出現，問題出現了：FHE是否將成為下一個主要的隱私技術？在過去的一年中，完全同態加密(FHE)引起了頂尖風險投資的增加興趣，Zama就是一個主要例子。本文探討了FHE的增長，將其與其他隱私技術進行對比，並對Zama的方法進行了詳細分析。

FHE是什麼？

完全同態加密（FHE）是一種隱私技術，利用數學同態性質對加密數據執行各種計算，確保信息不會洩漏。在Web2領域中，FHE目前用於醫療信息加密、財務數據隱私和雲數據加密。這種加密算法首次提出於1978年，在21世紀重新引起關注，因為多項技術進步優化了噪聲處理和浮點處理，改善了算法性能，推動FHE技術進入商業領域。

完全同態加密算法具有三個主要特點：完全同態性、數據保密性和計算靈活性。

• 全同态性：与部分同态加密相比，完全同态加密允许对加密数据进行任何数学运算，包括加法、乘法，甚至更复杂的复合运算，而部分同态加密方案仅支持特定的操作。
• 數據保密性：全同態加密允許對加密數據進行多次加法和乘法運算，結果仍然是加密的。
• 計算靈活性：完全同態加密支援一系列計算運算，包括加法、乘法和布爾運算。該技術具有隱私優勢，但對於在大規模數據處理和計算中需要高效率的應用，還有改進的空間。

為什麼 FHE 是下一個 ZK-Level 軌道？

隱私加密演算法已從早期的對稱和非對稱加密發展到更複雜、安全的方法，例如多方計算（MPC）、零知識證明（ZK）和完全同態加密（FHE）。這種演變是隨著技術的進步和應用場景的變化而來的。隨著工業領域對隱私加密的需求增長，場景變得更加多樣化，區塊鏈領域對FHE的關注也顯著提升。

關於隱私計算，MPC 和 ZK 已經在加密貨幣領域被廣泛使用。但為什麼現在注意力轉向 FHE 呢？與 MPC 相比，FHE 提供更強的隱私保護，更大的計算靈活性，並且不需要多方驗證。相較於擅長證明條件真相的 ZK，FHE 允許在加密數據上進行計算，甚至可以對其進行機器學習模型的訓練和推斷。每種主要隱私算法都有優點和缺點，在不同的應用場景中展示其優勢，幫助隱私計算在實踐中扎根。

Zama介紹

Zama是一家成立於2020年的注重隱私的公司，團隊主要位於歐洲，由30多位博士和密碼學專家組成。今年3月，Zama獲得了由Multicoin Capital和Protocol Labs領投的7300萬美元投資，其他主要投資者還包括Metaplanet、Blockchange、VSquared、Stake Capital和Portal Ventures。此輪融資還吸引了來自關鍵區塊鏈項目的創始人，包括Juan Benet（Filecoin）、Gavin Wood（Polkadot）、Anatoly Yakovenko（Solana）、Julien Bouteloup（StakeDAO）和Tarun Chitra（Gauntlet）。

Zama的領導團隊由經驗豐富的行業人士組成。共同創始人兼CEO Rand Hindi在10歲時就開始編碼，並擁有豐富的創業記錄，其高等教育涵蓋計算機科學、人工智能和生物信息學。共同創始人兼CTO Pascal Paillier是一位密碼學專家，擁有來自Telecom Paris的密碼學博士學位，為團隊帶來豐富的知識。

Zama的產品生態系統：全面的工具和框架

Zama的四大核心產品：

• Concrete — 一個開源的FHE框架
• Concrete ML — 一個用於加密數據機器學習的開源工具
• fhEVM — 以太坊上的完全同态加密虛擬機
• TFHE-rs — 第一個開源的FHE工具

具體而微：FHE-Dedicated 開源框架

Concrete是一個專門用於完全同態加密（FHE）的框架，它允許開發人員在保護隱私的同時對加密數據進行計算。它就像一把智能鎖：該框架使數據能夠在不“解鎖”或解密的情況下進行處理。Concrete簡化了FHE的編程，因此即使是具有有限加密專業知識的開發人員也可以使用它來構建高效的加密應用程序。Concrete還包括模擬和分析工具以優化性能，就像一個精心調校的引擎，幫助減少資源使用並保持高性能。

Concrete的核心價值在於使FHE更易於接觸。有了Concrete，開發人員可以安全地對加密數據進行數學運算，而不會洩露任何敏感信息—這對於金融和醫療等需要高度數據隱私的領域來說是理想的。

Concrete ML：用於加密數據的用戶友好型機器學習

Concrete ML 以易用性為首要考量，提供類似於常用框架的 API，讓開發者可以像使用熟悉的工具一樣對加密數據進行推理或培訓任務。其界面與 scikit-learn 十分相似，甚至支持將 PyTorch 模型轉換為 FHE 相容模型。這為隱私敏感領域（如數據共享和監管合規性）中的機器學習應用開啟了大門。

Concrete ML為現成和定制模型提供方便:

內置模型：提供類似於scikit-learn和XGBoost的FHE相容模型，以便於採用。

自訂模型：支援量化感知訓練模型，用戶可以使用PyTorch或Keras/TensorFlow開發，然後通過ONNX導入到Concrete ML中。

fhEVM：在以太坊上保護隱私的智能合約

fhEVM通過FHE將真正私有的智能合約帶到以太坊區塊鏈上。通過Zama的fhEVM，加密的智能合約可以在現有的dApp生態系統中運行，確保兩個主要特點：交易和狀態的完全加密：所有交易數據都保持端對端加密，確保沒有未經授權的訪問。鏈上可組合性和數據隱私：合約的加密狀態在每次更新時都得到維護，保證隱私。

fhEVM介紹了TFHE Solidity庫，可使開發人員與現有的Solidity工具無縫合作。標準運算符在加密狀態下工作，使合約能夠在加密狀態下執行條件檢查，使得流程對以太坊開發人員來說更為熟悉和友好。開發人員只需使用euint數據類型標記合約的私有部分，即可管理加密和解密。fhEVM還支持靈活的解密選項，包括閾值、集中式和基於KMS的解密。

TFHE-rs：通過並行處理提升性能

TFHE-rs是一個用Rust編寫的庫，使用TFHE技術對加密數據執行布爾和整數運算。TFHE-rs以其多功能性而聞名，提供多個接口——Rust API、C API和WASM API，適用於客戶應用程序。其模塊化設計就像靈活的樂高積木，讓開發人員結合不同功能來創建符合其特定需求的加密計算解決方案，適用於從簡單到複雜系統的各種應用。

TFHE-rs採用位元級加密操作以提高效能，使得資料處理更精細。與整個資料區塊加密的系統不同，這種方法對於進行同態計算特別是邏輯閘操作（AND、OR、XOR）更有效。

TFHE-rs還通過多線程處理和引導同步化引入了先進的性能增強功能。通過將引導分解為可以在多個核心上同時處理的階段，TFHE-rs大大減少了處理時間，使同態加密更快更高效。

Zama的五大關鍵使用案例

以fhEVM為基礎，Zama為區塊鏈定義了五個有前景的隱私導向用例：安全合約交易、去中心化私密暗池、DAO治理、鏈上盲標拍賣和鏈上遊戲。

在鏈上的交易

在DeFi生態系統中，保護數據隱私和安全至關重要。金融合同通常涉及敏感細節，如交易金額、利率和還款計劃。在鏈上完全公開這些細節可能會導致隱私問題。Zama的fhEVM使智慧合約能夠在加密狀態下執行，允許整個合約邏輯安全地運行，而不會暴露敏感數據。金融機構或其他節點無法直接查看合約明細，但合約執行仍可驗證。例如，貸款合同可以以加密形式保存貸款金額、還款期限和利率等參數，而所有計算都是在不洩露數據的情況下完成的。這樣，其他節點可以在不訪問特定交易細節的情況下驗證合約執行，使其適用於期權、掉期結算和鏈上借貸。

去中心化私人黑暗池

暗池是一個私人交易平台，允許大宗交易發生，而不會公開訂單細節，有助於避免市場干擾。暗池中的隱私性延伸至用戶身份、訂單內容和交易細節。傳統暗池使用中心化平台或可信任的第三方來匹配訂單，存在隱私風險。

Zama的TFHE-rs支持加密數據操作，允許匹配私下的加密買賣訂單，而無需解密價格或數量等詳細信息。交易平台可以安全地處理用戶意向，同時保持訂單隱私。可以驗證這些加密訂單以確保它們滿足交易條件，同時保持數據安全。

DAO治理

DAO治理帶來了隱私挑戰，包括選民匿名性和財務詳情的保密性。投票機制通常會暴露個別的投票偏好，可能導致潛在的操縱或不當影響。例如，持有更多治理代幣的個人在投票中通常具有更大的影響力，可能造成一種影響結果的專制偏見。DAO治理合約還涉及有關財務支出和項目分配的敏感信息，應保持私密以保護項目的資金金額或收款人身份。

Zama的方法可使每個成員的投票進行加密處理。投票合約可以統計選票並計算結果，而無需解密個別選票。最終的統計結果是公開的，但投票過程保持私密。使用同態加密，可以驗證每個選票的合格性，而不暴露選擇。

鏈上盲拍

在鏈上盲標拍賣中，參與者可以在不公開出價的情況下私下提交出價，直到拍賣結束前都不會公開。大多數開發者使用零知識證明和兩步驟流程來確保出價隱私，這通常需要將數據存儲在鏈外，從而引入額外的加密挑戰。

Zama的全同态加密解决方案能够在链上处理加密竞标，而不需要透露它们。在传统的盲拍中，竞标在拍卖结束后才公开，但Zama的方法允许计算确定获胜者，同时不损害竞标隐私。Zama的方法包括同态比较、条件更新和安全结算，消除了披露竞标的需要。加密复用器技术根据加密条件选择最高竞标并更新结果，安全地管理竞标详细信息，而不暴露敏感信息。在拍卖结束时，只有获胜的竞标者可以安全解密他们的奖品，验证自己作为最高竞标者的身份，同时不透露其他竞标详细信息。

On-Chain 遊戲

使用fhEVM，Zama引入了一種通過完全同態加密來增強鏈上遊戲的方法。Zama在其網站上演示了如何在區塊鏈上構建流行遊戲“Wordle”的加密版本。Zama的解決方案加密了遊戲狀態和輸入，同時允許智能合約驗證結果。這意味著敏感的遊戲數據保持私密，在鏈上處理時能夠防止未經授權的訪問或篡改。這種隱私方法使得鏈上遊戲能夠更加私密和可擴展，而不會犧牲區塊鏈的透明度和功能性。

未來展望

隱私保護交易正在解決區塊鏈可擴展性問題後，設定為下一個大趨勢。今天，擴展的主要挑戰不再在於基礎技術本身，而是在於缺乏監管支持和市場接受，這對於廣泛採用至關重要。隱私保護交易憑藉其優化基礎設施，創建了更具針對性的用戶群、交易方法和應用場景，就像零知識證明技術實現廣泛採用一樣。

展望未來，FHE 技術有望縮小去中心化和中心化交易所之間的體驗差距。在鏈上遊戲中的隱私技術也可以幫助解決隨機數生成所帶來的安全風險。儘管隱私保護解決方案的潛力巨大，但性能限制仍然是一個挑戰。滿足大規模高頻交易的需求將需要相當長的時間和發展。