FHE vs. ZK vs. MPC
上次我们分析了全同态加密（FHE，Fully Homomorphic Encryption）技术如何运作。
但是很多朋友仍然会把FHE和ZK、MPC这些加密技术弄混，因此第二篇thread计划将这三门技术详细对比一波：
FHE vs ZK vs MPC
首先，让我们从最基本的问题开始：
-这三种技术分别是什么？
-它们如何工作？
-它们如何为区块链应用工作？
1.零知识证明（ZK）：强调“证明却不泄露”
零知识证明（ZK）技术探讨的命题是：如何在不泄露任何具体内容的情况下，验证信息的真实性。
ZK建立在密码学的坚实基础上，通过零知识证明，Alice可以向另一方Bob证明：她知道某个秘密，却不必揭示任何关于秘密本身的信息。
想象一个场景，Alice希望向租车行员工Bob证明她的信用，但她不希望去银行打个流水之类的。这时候，比如银行/支付软件的“信用分”就堪比她的“零知识证明”。
Alice在Bob“零知晓”的条件下，证明她的信用评分良好，而无需展示她的账户流水，这就是零知识证明。
如果应用到区块链里，可以参考之前的一个匿名币Zcash：
当Alice给他人转账时，她既要匿名，又要证明她拥有转账这些币的权力（否则会导致双花），于是她就需要生成一个ZK证明。
所以，矿工Bob看到了这个证明后，能够在不知道她到底是谁（即对Alice的身份零知识）的情况下，仍能把交易上链。
2.多方安全计算（MPC）：强调“如何计算却不泄露”
多方安全计算（MPC）技术主要应用于：如何在不泄露敏感信息的前提下，让多方参与者还能安全地一起计算。
这项技术让多个参与者（比如说Alice、Bob和Carol）能够共同完成一项计算任务，却无需任何一方透露自己的输入数据。
例如，如果Alice、Bob和Carol想要计算他们三人的平均工资，却不泄露各自的具体工资。那么如何操作呢？
每个人可以将自己的工资分成三部分，并交换其中两部分给其他两人。每个人都对收到的数字进行加和，然后分享这个求和结果。
最后，三人再对这三个求和结果求出总和，进而得到平均值，但却无法确定除自己外其他人的确切工资。
如果套用到加密行业，MPC钱包就使用这样的技术。
以Binance或者Bybit推出的最简单MPC钱包为例，用户不再需要存12个助记词，而是有点类似于，把私钥魔改成2/2多签，用户手机一份，用户云端一份，交易所一份。
如果用户不小心弄丢了自己的手机，至少云上+交易所还能恢复出来。
当然，如果要求安全性更高，一些MPC钱包可以支持引入更多的第三方来保护私钥碎片。
因此，基于MPC这门密码学技术，多方可以在相互不需要信任的情况下，安全地使用私钥。
3.全同态加密（FHE）：强调“如何加密才能找外包”
如同我上篇thread所说，全同态加密（FHE）则应用在：我们如何加密，使得敏感数据加密后，可以交给不信任第三方进行辅助计算，结果仍能由我们解密出来。
上篇传送门：https://x.com/0x_Todd/status/1810989860620226900…
举个例子，Alice自己没有计算能力，需要依赖Bob来计算，但是又不想告诉Bob真相，因此只能将原始数据引入噪音（做任意次的加法/乘法加密），然后利用Bob强大的算力对这些数据进行加工，最后由Alice自己解密出来得到真实结果，而Bob对内容一无所知。
想象一下，如果你需要在云计算环境中处理敏感数据，如医疗记录或个人财务信息，FHE就显得尤为重要。
它允许数据在整个处理过程中保持加密状态，这不仅保护数据安全，还符合隐私法规。
上次重点分析了AI行业为什么需要FHE，那么在加密行业中，FHE这门技术能够带来什么应用呢？
比如说有个项目叫做Mind Network @mindnetwork_xyz
拿到了以太坊Grant，也是币安孵化器的项目。它关注到了一个PoS机制的原生问题：
像以太坊这样的PoS协议，拥有100w+的验证者，自然没什么问题。但是很多小的项目，问题就来了，矿工天生是偷懒的。
为什么这么说呢？理论上，节点工作是：兢兢业业地验证每一笔交易是否合法。但是一些小的PoS协议，节点不够多，而且包括很多“大节点”。
所以，很多小PoS节点就发现：与其浪费时间亲自计算核实，不如直接跟随照抄大节点现成的结果。
这个毫无疑问，会带来非常夸张的中心化。
另外，比如投票的场景同样有这种“跟随”迹象。
比如说之前MakerDAO协议的投票，由于A16Z当年拥有了太多MKR票仓，导致很多时候它的态度对于某些协议起决定性作用。A16Z投票之后，很多小票仓只能被迫跟票或者弃权，完全无法反映出真实民意。
所以，Mind Network利用了FHE技术：
让PoS节点相互不知道对方答案的情况下，仍然能够借助机器算力完成区块的验证工作，防止PoS节点相互抄袭。
or
让投票者在相互不知道相互的投票意向之后，仍然能够借助投票平台计算出投票结果，防止跟票。
这就是FHE在区块链的重要应用之一。
所以，为了实现这样的功能，Mind还需要重建一个re-staking套娃协议。因为EigenLayer本身将来就要为一些小的区块链提供“外包节点”服务，如果再配合FHE，可以让PoS网络或者投票大幅提升安全性。
打个不恰当的比喻，小的区块链引入Eigen+Mind，有点像小国自己搞不定内政，于是引入外国驻军。
这也算是Mind在PoS/Restaking分支上和Renzo、Puffer的差异化之一， Mind Network相比Renzo、Puffer这些起步更晚，最近刚刚启动主网，相对来说没有Re-taking summer那时候那么卷了。
当然，Mind Network也同样在AI分支上提供服务，比如用FHE技术加密喂给AI的数据，然后让AI能够在不知道原始数据的情况下学习、处理这些数据，典型案例包括与bittensor 子网的合作。
最后，再总结一下：
虽然ZK（零知识证明）、MPC（多方计算）、和FHE（全同态加密）都是为了保护数据隐私和安全设计的先进加密技术，但是在应用场景/技术复杂性有区别：
应用场景：
ZK强调“如何证明”。它提供了一种方式，使得一方可以向另一方证明某一信息的正确性，而无需透露任何额外信息。这种技术在需要验证权限或身份时非常有用。
MPC强调“如何计算”。它允许多个参与者共同进行计算，而不必透露各自的输入。这在需要数据合作但又要保护各方数据隐私的场合，如跨机构的数据分析和财务审计中。
FHE强调“如何加密”。它使得在数据始终保持加密的状态下，委托进行复杂的计算成为可能。这对于云计算/AI服务尤为重要，用户可以安全地在云环境中处理敏感数据。
技术复杂性：
ZK虽然理论上强大，但设计有效且易于实现的零知识证明协议可能非常复杂，需要深厚的数学和编程技能，比如大家听不懂的各种“电路”。
MPC在实现时需要解决同步和通信效率问题，尤其是在参与者众多的情况下，协调成本和计算开销可以非常高。
FHE在计算效率方面面临巨大挑战，加密算法比较复杂，2009年才成型。尽管理论上极具吸引力，但其在实际应用中的高计算复杂性和时间成本仍是主要障碍。
说实话，我们所依赖的数据安全和个人隐私保护正面临前所未有的挑战。想象一下，如果没有了加密技术，我们的短信、外卖、网购过程中的信息都已暴露无遗。就像没有锁的家门，任何人都可以随意进入。
希望对这三个概念有混淆的朋友们，能够彻底区分这三门加密学圣杯上的明珠们。
声明：
- 本文转载自[0xTodd]，著作权归属原作者[0xTodd]，如对转载有异议，请联系Gate Learn团队，团队会根据相关流程尽速处理。
- 免责声明：本文所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。
- 文章其他语言版本由Gate Learn团队翻译， 在未提及Gate.io的情况下不得复制、传播或抄袭经翻译文章。
相关文章
FHE vs. ZK vs. MPC
上次我们分析了全同态加密（FHE，Fully Homomorphic Encryption）技术如何运作。
但是很多朋友仍然会把FHE和ZK、MPC这些加密技术弄混，因此第二篇thread计划将这三门技术详细对比一波：
FHE vs ZK vs MPC
首先，让我们从最基本的问题开始：
-这三种技术分别是什么？
-它们如何工作？
-它们如何为区块链应用工作？
1.零知识证明（ZK）：强调“证明却不泄露”
零知识证明（ZK）技术探讨的命题是：如何在不泄露任何具体内容的情况下，验证信息的真实性。
ZK建立在密码学的坚实基础上，通过零知识证明，Alice可以向另一方Bob证明：她知道某个秘密，却不必揭示任何关于秘密本身的信息。
想象一个场景，Alice希望向租车行员工Bob证明她的信用，但她不希望去银行打个流水之类的。这时候，比如银行/支付软件的“信用分”就堪比她的“零知识证明”。
Alice在Bob“零知晓”的条件下，证明她的信用评分良好，而无需展示她的账户流水，这就是零知识证明。
如果应用到区块链里，可以参考之前的一个匿名币Zcash：
当Alice给他人转账时，她既要匿名，又要证明她拥有转账这些币的权力（否则会导致双花），于是她就需要生成一个ZK证明。
所以，矿工Bob看到了这个证明后，能够在不知道她到底是谁（即对Alice的身份零知识）的情况下，仍能把交易上链。
2.多方安全计算（MPC）：强调“如何计算却不泄露”
多方安全计算（MPC）技术主要应用于：如何在不泄露敏感信息的前提下，让多方参与者还能安全地一起计算。
这项技术让多个参与者（比如说Alice、Bob和Carol）能够共同完成一项计算任务，却无需任何一方透露自己的输入数据。
例如，如果Alice、Bob和Carol想要计算他们三人的平均工资，却不泄露各自的具体工资。那么如何操作呢？
每个人可以将自己的工资分成三部分，并交换其中两部分给其他两人。每个人都对收到的数字进行加和，然后分享这个求和结果。
最后，三人再对这三个求和结果求出总和，进而得到平均值，但却无法确定除自己外其他人的确切工资。
如果套用到加密行业，MPC钱包就使用这样的技术。
以Binance或者Bybit推出的最简单MPC钱包为例，用户不再需要存12个助记词，而是有点类似于，把私钥魔改成2/2多签，用户手机一份，用户云端一份，交易所一份。
如果用户不小心弄丢了自己的手机，至少云上+交易所还能恢复出来。
当然，如果要求安全性更高，一些MPC钱包可以支持引入更多的第三方来保护私钥碎片。
因此，基于MPC这门密码学技术，多方可以在相互不需要信任的情况下，安全地使用私钥。
3.全同态加密（FHE）：强调“如何加密才能找外包”
如同我上篇thread所说，全同态加密（FHE）则应用在：我们如何加密，使得敏感数据加密后，可以交给不信任第三方进行辅助计算，结果仍能由我们解密出来。
上篇传送门：https://x.com/0x_Todd/status/1810989860620226900…
举个例子，Alice自己没有计算能力，需要依赖Bob来计算，但是又不想告诉Bob真相，因此只能将原始数据引入噪音（做任意次的加法/乘法加密），然后利用Bob强大的算力对这些数据进行加工，最后由Alice自己解密出来得到真实结果，而Bob对内容一无所知。
想象一下，如果你需要在云计算环境中处理敏感数据，如医疗记录或个人财务信息，FHE就显得尤为重要。
它允许数据在整个处理过程中保持加密状态，这不仅保护数据安全，还符合隐私法规。
上次重点分析了AI行业为什么需要FHE，那么在加密行业中，FHE这门技术能够带来什么应用呢？
比如说有个项目叫做Mind Network @mindnetwork_xyz
拿到了以太坊Grant，也是币安孵化器的项目。它关注到了一个PoS机制的原生问题：
像以太坊这样的PoS协议，拥有100w+的验证者，自然没什么问题。但是很多小的项目，问题就来了，矿工天生是偷懒的。
为什么这么说呢？理论上，节点工作是：兢兢业业地验证每一笔交易是否合法。但是一些小的PoS协议，节点不够多，而且包括很多“大节点”。
所以，很多小PoS节点就发现：与其浪费时间亲自计算核实，不如直接跟随照抄大节点现成的结果。
这个毫无疑问，会带来非常夸张的中心化。
另外，比如投票的场景同样有这种“跟随”迹象。
比如说之前MakerDAO协议的投票，由于A16Z当年拥有了太多MKR票仓，导致很多时候它的态度对于某些协议起决定性作用。A16Z投票之后，很多小票仓只能被迫跟票或者弃权，完全无法反映出真实民意。
所以，Mind Network利用了FHE技术：
让PoS节点相互不知道对方答案的情况下，仍然能够借助机器算力完成区块的验证工作，防止PoS节点相互抄袭。
or
让投票者在相互不知道相互的投票意向之后，仍然能够借助投票平台计算出投票结果，防止跟票。
这就是FHE在区块链的重要应用之一。
所以，为了实现这样的功能，Mind还需要重建一个re-staking套娃协议。因为EigenLayer本身将来就要为一些小的区块链提供“外包节点”服务，如果再配合FHE，可以让PoS网络或者投票大幅提升安全性。
打个不恰当的比喻，小的区块链引入Eigen+Mind，有点像小国自己搞不定内政，于是引入外国驻军。
这也算是Mind在PoS/Restaking分支上和Renzo、Puffer的差异化之一， Mind Network相比Renzo、Puffer这些起步更晚，最近刚刚启动主网，相对来说没有Re-taking summer那时候那么卷了。
当然，Mind Network也同样在AI分支上提供服务，比如用FHE技术加密喂给AI的数据，然后让AI能够在不知道原始数据的情况下学习、处理这些数据，典型案例包括与bittensor 子网的合作。
最后，再总结一下：
虽然ZK（零知识证明）、MPC（多方计算）、和FHE（全同态加密）都是为了保护数据隐私和安全设计的先进加密技术，但是在应用场景/技术复杂性有区别：
应用场景：
ZK强调“如何证明”。它提供了一种方式，使得一方可以向另一方证明某一信息的正确性，而无需透露任何额外信息。这种技术在需要验证权限或身份时非常有用。
MPC强调“如何计算”。它允许多个参与者共同进行计算，而不必透露各自的输入。这在需要数据合作但又要保护各方数据隐私的场合，如跨机构的数据分析和财务审计中。
FHE强调“如何加密”。它使得在数据始终保持加密的状态下，委托进行复杂的计算成为可能。这对于云计算/AI服务尤为重要，用户可以安全地在云环境中处理敏感数据。
技术复杂性：
ZK虽然理论上强大，但设计有效且易于实现的零知识证明协议可能非常复杂，需要深厚的数学和编程技能，比如大家听不懂的各种“电路”。
MPC在实现时需要解决同步和通信效率问题，尤其是在参与者众多的情况下，协调成本和计算开销可以非常高。
FHE在计算效率方面面临巨大挑战，加密算法比较复杂，2009年才成型。尽管理论上极具吸引力，但其在实际应用中的高计算复杂性和时间成本仍是主要障碍。
说实话，我们所依赖的数据安全和个人隐私保护正面临前所未有的挑战。想象一下，如果没有了加密技术，我们的短信、外卖、网购过程中的信息都已暴露无遗。就像没有锁的家门，任何人都可以随意进入。
希望对这三个概念有混淆的朋友们，能够彻底区分这三门加密学圣杯上的明珠们。
声明：
- 本文转载自[0xTodd]，著作权归属原作者[0xTodd]，如对转载有异议，请联系Gate Learn团队，团队会根据相关流程尽速处理。
- 免责声明：本文所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。
- 文章其他语言版本由Gate Learn团队翻译， 在未提及Gate.io的情况下不得复制、传播或抄袭经翻译文章。
相关文章