探索全同态加密 (FHE) 在各个领域的潜力

据 PANews 报道，Vitalik 发表的一篇关于全同态加密（FHE）的文章再次激发了人们对新加密技术的探索和想象。与零知识证明（ZKP）技术相比，FHE 提供了更大的想象空间，有助于人工智能和密码技术在各种场景中的应用。 FHE 允许对特定形式的加密数据进行操作，而不会有数据和隐私暴露的风险。与 ZKP 只解决加密状态下数据的一致性传输问题不同，FHE 不限制操作主体的范围，是一种多对多的加密操作方案。 传统的计算机操作是针对明文数据进行的。如果数据被加密，在计算之前就需要解密，这就不可避免地暴露了私人数据。同态加密构建了一种特殊的加密方案，允许对密文进行 "同态 "转换，确保操作结果与在明文上进行的操作结果相同。 FHE 可广泛应用于传统互联网领域，包括云存储、生物识别、医疗保健、金融、广告和基因测序。例如，在生物识别领域，指纹、虹膜和面部特征等敏感数据可以通过 FHE 技术在服务器密文状态下进行比较和验证。同样，在医疗健康领域，使用 FHE 技术可以打破多年来的数据割裂，让不同的医疗机构在不共享原始数据的情况下进行联合分析和建模。 在加密货币领域，FHE 可以应用于游戏、DAO 投票治理、MEV 保护、私人交易、监管合规和其他注重隐私的场景。例如，在游戏中，平台可以在不偷看玩家底牌的情况下执行推进游戏的操作，使游戏更加公平。在DAO投票中，鲸鱼可以在不暴露地址和投票数量的情况下参与投票治理，让协议通过计算生成投票结果。 但值得注意的是，对明文进行常规运算的计算环境往往比较复杂，目前，同态加密只能在加法和乘法上快速展开。更复杂的运算需要叠加组合，这将增加对计算能力的需求。因此，虽然理论上 FHE 可以支持任何计算，但性能瓶颈和算法特性限制了可以高效执行的同态计算的类型和复杂程度。因此，FHE 技术落地的过程实际上是算法优化和算力成本控制优化的过程，尤其要注重硬件加速和算力提升后的性能。