Vitalik預言的技術新風暴：FHE崛起重塑加密世界

2024-06-20 00:06:41

全同態加密的優勢：相較於傳統加密算法，其獨特的特性在於第三方能夠在不解密的情況下，對加密數據進行任意次數的計算和操作，為隱私計算提供全新的可能性。

FHE 的定義

全同態加密（Homomorphic Encryption，簡稱 FHE）：允許對密文進行特定形式的代數運算，得到的結果仍然是加密的，解密後的結果與對明文進行相同運算的結果一致。與零知識證明相比，全同態加密最大的優勢在於它賦予雲端對加密數據進行計算的能力，從而保護敏感信息免受第三方訪問。

全同態加密（FHE）可以拆分开來理解：

FHE 中的 HE 代表同態加密技術，其核心特性在於允許對密文進行計算和操作，而這些操作能夠直接映射到明文上，即保持加密數據的數學屬性不變；
FHE 中的 F 則意味着這種同態性達到了全新的高度，允許對加密數據進行無限次的計算和操作。

FHE 與 ZK、MPC 的比較

在隱私賽道中，處在行業技術前沿的三種技術是：FHE、ZK 和 MPC。

全同態加密（FHE）可以對加密的數據進行各種操作，而無需先解密，從而使數據的隱私得到了極高的保護。同時，FHE 為雲端計算和區塊鏈等領域提供了強大的安全性保證。

零知識證明（ZK）是一種先進的密碼學技術，它在保護數據隱私和確保事實正確性方面發揮着關鍵作用。通過 ZK，一方可以向另一方證明某個陳述的真實性，而無需揭示與該陳述相關的具體數據，從而有效地保護了數據主體的隱私。尤其在建立區塊鏈擴展解決方案中，ZK 被廣泛應用，如 zk-rollups。

多方計算（MPC）是一種基於密碼學技術的計算模型，它能夠保護參與方的隱私數據，在不暴露私密輸入的情況下完成計算任務。MPC 技術通過將計算過程分解成多個步驟，並在各個步驟中引入加密和解密操作，從而實現多方參與計算而不泄露私密信息。

通過以上對比可以看出，FHE 技術側重於在不需要解密數據的情況下進行計算，從而保護數據的隱私性；ZK 技術注重證明陳述的正確性，同時保護陳述的隱私；MPC 技術致力於實現多方安全計算，確保參與者在計算過程中的隱私和安全。

FHE 的重要性

更好的保護隱私和安全： FHE 通過對數據進行加密，確保數據在處理計算過程中的隱私和安全性，從而防止數據泄露和攻擊。這種加密方式利用數學原理和密碼學技術，使得在雲計算環境中進行安全計算成為可能，在計算的過程總所有人包括數據的處理者，都無法查看數據的原始內容，從而達到不暴露原始數據的目的。

擁有更多的使用場景： FHE 可以應用於金融領域的安全數據處理、醫療領域的隱私保護、安全雲計算、電子投票、物聯網領域的數據安全傳輸等多個領域。通過 FHE 技術，各行各業能夠實現數據的安全處理和傳輸，保障用戶隱私信息的安全性，推動各行業數字化、智能化發展。所以 FHE 無論在 Web 2 還是 Web 3 中都有比 ZK 和 MPC 更廣泛的應用落地的場景。

FHE 領域的重點項目

Zama

Zama 是一家專注於全同態加密技術的項目。

該項目力於开發和推廣 FHE 解決方案，以保護區塊鏈和人工智能領域的數據隱私。全同態加密是 Zama 的核心技術，這種技術允許對加密數據進行任意計算，而無需解密，從而確保數據在處理過程中的隱私性。Zama 提供了一套強大的开源 FHE 庫和解決方案，使得從獨立开發人員到大型企業都可以構建端到端加密的應用程序，無需了解任何有關密碼學的知識即可开始使用。

Zama 的產品和服務主要面向醫療保健、金融服務、廣告、國防、生物識別和政府安全等行業。通過其技術，Zama 能夠為這些行業提供隱私保護的機器學習和智能合約解決方案。此外，Zama 還積極參與各種合作項目，以進一步推動其 FHE 技術的應用。例如，與 Mind Network 合作，將其 Concrete ML 解決方案整合到 Mind Network 的 FHE 驗證網絡中，為去中心化 AI 驗證設立新標准。與 Privasea 合作，共同探索 AI、數據安全和 ML 領域，並基於 ZAMA-ConcreteML 平臺开發一系列隱私保護 AI 應用。

Zama 已經完成了 7300 萬美元的 A 輪融資，由 Multicoin Capital 和 Protocol Labs 領投，Metaplanet、Blockchange Ventures、Vsquared Ventures 和 Stake Capital 等也參與其中。

Fhenix

Fhenix 是一個基於以太坊的 Layer 2 解決方案，通過 FHE Rollups 和 FHE Coprocessors 提供支持。

Fhenix 完全兼容以太坊虛擬機（EVM），並且對 Solidity 語言提供全面支持，能夠運行基於 FHE 的智能合約，並實現鏈上保密計算。與其他方案不同的是，Fhenix 不使用 zkFHE，而是採用了 Optimistic Rollup 而非 ZK Rollup 的方式，同時利用 Zama 的 FHE 技術，通過 fhEVM 實現鏈上保密性，並專注於 TFHE（Threshold FHE）技術的研發和應用。TFHE 技術可以在多方參與的情況下實現全同態加密，為保護用戶隱私和數據安全提供了更加可靠的解決方案。Fhenix 的推出將為以太坊生態系統帶來更多隱私保護和安全性，並推動區塊鏈技術在更多領域的應用和發展。

2024 年 4 月 2 日，Fhenix 宣布將與 EigenLayer 合作开發 FHE 協處理器，希望將 FHE 引入智能合約。所謂“FHE 協處理器”，其工作重點是無需先解密信息即可對加密數據進行計算，無需在以太坊、L2 或 L3 上處理 FHE 計算任務，而是由指定的處理器處理。FHE 協處理器將受到 Fhenix 的 FHE Rollup 和 EigenLayer 質押機制的保護。按照路线圖，Fhenix 計劃於 2025 年 1 月上线主網。

2023 年 9 月，Fhenix 完成 700 萬美元種子輪融資，Sora Ventures、Multicoin Capital 和 Collider Ventures 領投，Node Capital、Bankless、HackVC、TaneLabs 和 Metaplanet 等參投。Fhenix 項目通過結合全同態加密技術和以太坊L2解決方案，為區塊鏈領域帶來了創新的保密計算能力，並且在多個領域展現出廣闊的應用潛力。

Secret network

Secret Network 是一個致力於隱私的區塊鏈項目，旨在為去中心化應用（DApps）提供隱私保護。該項目允許开發者構建新型的、無權限、可保留隱私的應用程序。

Secret Network 是使用 Cosmos SDK 和 Tendermint BFT 構建的 Layer 1 區塊鏈，是以隱私為中心的智能合約平臺。它是第一個在主網上提供私密智能合約的項目。該項目通過集成 Intel SGX（軟件保護擴展）技術，增強了其隱私保護能力。Secret Network 一开始的名字為 Enigma，最初希望依托以太坊生態進行开發，但後來由於性能瓶頸，改為通過 Cosmos SDK 开發一條獨立的支持隱私計算的公鏈。這條鏈不僅支持隱私計算，還能夠實現與其他 Cosmos 生態系統的互操作性，將私密性帶入廣泛的區塊鏈網絡。

Secret Network 的核心技術創新在於其集成的 Intel SGX，這使得它能夠在保持區塊鏈透明度的同時，為用戶提供數據隱私。Secret Network 通過其獨特的隱私保護功能，為 Web 3.0 應用程序提供了數據隱私，推動了去中心化金融等領域的發展。

Sunscreen

Sunscreen 是一家專注於隱私保護的區塊鏈項目，致力於為工程師提供使用 FHE 等密碼技術構建和部署私有應用程序的解決方案。

公司已經开源了自己的 FHE 編譯器，這是一個基於 Web3 的原生編譯器，能夠將普通的 Rust 函數轉換為具有隱私性的 FHE 等效函數，為算術操作（如 DeFi）提供高性能而無需硬件加速。此外，FHE 編譯器還支持 BFV FHE 方案。同時，Sunscreen 正在着手構建與 FHE 編譯器兼容的 ZKP 編譯器，以確保計算完整性，盡管在證明同態運算時整體速度較慢。另外，公司也在尋求一種去中心化存儲系統，用於存儲 FHE 密文。

在未來的路线圖規劃中，Sunscreen 將首先支持測試網中的私有交易，隨後支持預先確定的私有程序，並最終允許开發者使用其 FHE 與 ZKP 編譯器編寫任意私有程序。

2022 年 7 月，Sunscreen 完成了 465 萬美元的種子輪融資，由 Polychain Capital 領投，Northzone、Coinbase Ventures、dao 5 等也參與了投資，個人投資者包括 Naval Ravikan、Entropy 創始人 Tux Pacific 等。Sunscreen 的聯合創始人包括 Ravital Solomon 和隱私網絡 NuCypher 的聯合創始人 MacLane Wilkison，公司旨在為工程師提供便利，使其能夠構建基於全同態加密的應用。此前，Sunscreen 曾獲得 57 萬美元的 Pre-Seed 輪融資。

Mind network

Mind Network 是一種由 Zama 支持的再質押層，其目標是實現 HTTPZ（端到端加密互聯網愿景）。

該網絡的產品包括適用於 AI 和 DePIN 網絡的 FHE 再質押方案 MindLayer、經過 FHE 授權的隱形地址協議 MindSAP 以及基於 FHE 驗證器網絡創建的 FHE DataLake MindLake。用戶可以通過 MindLayer 將 BTC 和 ETH 的 LST 代幣再質押到 Mind Network，並引入 FHE 增強驗證器以實現端到端加密的驗證和計算過程。同時，它引入了專為 AI 機器學習任務設計的智能證明（PoI）共識機制，以確保 FHE 驗證者之間的公平安全分配。FHE 計算還可以通過硬件加速。MindLake 是一個用於鏈上加密數據計算的數據存儲 Rollup。此外，Mind Network 正與 AltLayer、EigenDA、Arbitrum Orbit 一起推出 Rollup 鏈。Mind Network 的測試網已經上线。2023 年 6 月，Mind Network 完成了 250 萬美元的種子輪融資，投資方包括 Binance Labs、Comma 3 Ventures、SevenX Ventures、HashKey Capital、Big Brain Holdings、Arweave SCP Ventures、Mandala Capital 等。同時，它入選了 Binance Labs 的第五季孵化計劃，並曾入選 Chainlink BUILD 計劃，並拿到以太坊基金會 Fellowship Grant。

Privasea

Privasea 是一個整合了全同態加密機器學習（FHEML）的分布式計算網絡項目，同時推出了基於 FHE 技術的 DApp“ImHuman”，旨在確保“人臉驗證”（PoH）的安全執行。

用戶一旦創建了 ImHuman 账戶，如果忘記了密碼將無法找回。ImHuman 將利用前置攝像頭掃描人臉圖像，並在手機端進行加密處理，不會發送至任何服務器，Privasea 也沒有權限訪問。加密後的人臉圖像將被發送至 Privasea 服務器，並用於生成個人專屬 NFT，從而完成人臉驗證。通過 PoH 驗證的用戶將獲得獨家空投。目前，ImHuman 僅在 Google Play 上發布，即將登陸 App Store。 Privasea 還建立了 AI DePIN 基礎設施 Privasea AI Network，該測試網絡已經啓動。通過建立去中心化計算網絡，該測試網絡為 FHE AI 任務提供可擴展的分布式計算資源，從而降低集中處理數據的風險。Privasea 的 FHE 方案得到了 Zama 具體機器學習的支持。截至 2024 年 3 月，Privasea 已經完成了 500 萬美元的種子輪融資，參投方包括 Binance Labs、Gate Labs、MH Ventures、K 300、QB Ventures、CryptoTimes 等。在 4 月份，Privasea 完成了新一輪战略融資，參投方包括 OKX Ventures、軟銀參股的孵化器 Tanelabs 等。

FHE 賽道的風險

FHE 的效率較低： 在現階段的區塊鏈行業中，由於算力以及算法的限制，ZK 技術實現起來都是非常的困難。FHE 的所需要的計算能力相比 ZK 而言大了 4-5 個數量級（大概是 1000-10000 倍），所以在現階段想要全部實現 FHE 是件非常困難的事。在現階段只能實現 FHE 的加法和減法的計算，但是這樣仍然需要較大量的計算，這就會導致計算的效率比較低下，並且需要佔用大量的算力，成本也隨着大幅度的增加。

市場對 FHE 的需求並不強烈： 雖然 FHE 的採用能夠解決一部分行業所面臨的問題，但是基於 FHE 實現的難度較大，成本較高，從而導致了愿意去採用 FHE 的項目較少。並且對大部分用戶來說隱私是不痛不癢的需求，作為公共服務，很少人愿意為隱私溢價付費。市場上對 FHE 的需求並不強烈，也就導致了各個項目方對 FHE 开發的意愿並不是很強烈。所以 FHE 近年來都是處於停滯不前的开發階段，並沒有真正的應用落地。

算力基礎設施薄弱： 能夠實現 FHE 的基本前提是需要大量的算力，通過對 FHE 加法計算的實事已經證明，CPU 是不能夠滿足 FHE 最基本的計算需求的，必須是 GPU 和 ASIC 才能夠剛剛滿足。但是現在全球因為 AI 行業的興起，都處在算力短缺的階段，英偉達的 GPU 都已經排產到了 2025 年，並且在 Crypto 行業中的去中心化算力項目因為算力總量的不足以及帶寬和 TPS 等硬件設備問題不具備开發 FHE 的條件。在這種算力短缺的大背景下，想要去大規模發展 FHE 賽道是不現實的。

總結

首先，FHE 作為加密學的聖杯，能夠通過其獨特的算法使得第三方能夠在不解密的情況下，對加密數據進行任意次數的計算和操作，為隱私計算提供全新的可能性。FHE 技術能夠有效保護用戶數據隱私，同時實現數據的安全共享和處理。不僅在 Crypto 行業中，在現實社會的各行各業中也能夠起到創新性的作用，為各行各業解決現有的隱私問題。

其次，FHE 作為一個早期的賽道，其面臨困難也比較多。FHE 的效率受限於當前區塊鏈行業中算力和算法的限制，使得 FHE 技術實現難度重重。盡管 FHE 能夠解決部分行業問題，但其所需的計算能力大約是 ZK 的 1000-10000 倍，因此目前只能實現 FHE 的加法和減法計算，其應用受到市場需求不高和算力基礎設施薄弱的影響，使得 FHE 的發展停滯不前。

總體來說，FHE 是一個非常具有前景和开創性的賽道，FHE 技術能夠有效保護用戶數據隱私，同時實現數據的安全共享和處理。但是 FEH 因為基礎設施的受限以及因為效率和成本問題導致的市場需求程度的不高在實現的過程中困難重重。所以 FHE 未來 Crypto 行業發展的一個方向但是在現階段仍處於其早期的階段並不具備其項目應用落地的條件。