最近行情不佳，终于时间充裕了一些，可以继续分亨一些新的技术路线。尽管2024年的加密市场不如过去那样波澜壮阔，但依然有一些新的技术试着走向成熟，比如说我们今天要聊的主题:“FHE/全同态加密(FullyHomomorphic Encryption)”。

V神在今年 5月也专门发表了一篇关于 FHE 的文章，推荐感兴趣的朋友们说读。

那么 FHE 到底是一门什么技术?

想要理解FHE全同态加密这个拗口的名词，必须先理解什么是“加密”，什么是“同态”，以及为什么要“全”。

一、什么是加密?

普通的加密大家最熟悉。举个例子，Alice 要发个口信给 Bob，比如要发个“1314 520”。

如果现在，既要第三方C来送信，又要做到信息保密，那么很简单——只需要将每个数字 x2 来加密，比如变成“2628 1040”即可。

当 Bob 收到后，将每个数字依次除 2，就解密出了原来 Alice 在说“1314 520”

看到了么，两人通过对称加密，在既要雇C出力却又要 C不知道信息的情况下，完成了信息传递。一般，谍战片里，两个联络员相互通信大抵不会超过这个范畴。

二、那什么是同态加密呢?

现在 Alice 的需求难度升级了:

比如 Alice 只有7岁;

Alice 只会算 x2 和 ÷2 这样最简单的算术，其他运算则一概不懂。

好，那现在假设 Alice 要交电费了，Alice 家每月电费是 400 元，一共拖欠了 12 个月。

然而，400*12=几，这道题目超过了年仅7岁的Alice 的计算范围，她不会这么复杂的计算，

但是，她不想让别人知道她家电费多少钱/几个月，因为这是敏感信息。

因此，Alice 在不信任C的情况下，拜托C来帮忙计算。

因为她只会 x2 -2，因此她使用 x2 乘法给她的数字做了简单的加密，于是，她告诉C，让C计算800x24=多少，即:(400x2)乘(12x2)。

C是成年人，拥有强大的计算脑力，很快就口算出了800*24=19200，并且把数字告诉了Aice。然后，Alice 将结果，也就是19200÷2÷2，很快就知道原来自己要缴纳 4800 元水费。

看到了么?这就是最简单的一个乘法同态加密，800*24 只是 400*12 的映射，变幻前后实际上形态是相同的，因此称之为“同态”。

这样的加密方式实现了:某人要委托一个不信任的实体计算结果，却能保证自己的敏感数字不泄露。

三、那为什么“同态加密”还要“全”呢?

但是，刚刚只是理想世界里的问题，现实世界上的问题并没有这么简单，不是所有人都是7岁，或者都像 C 那么老实。

我们假设一种很坏的情况，比如C可能会尝试反推，C通过穷举法也能破译出Alice要计算的是 400和 12。

这时候，就需要“全同态加密”来解决。

Alice 给每个数字都x2，这个2可以视作一个噪声。噪声太少，就容易被 C破解。

所以，Alice 可以在乘法基础上，再引入一道加法。

当然，最好这个噪声犹如早九点的主干道十字路口，那么C的破解难度就比登天还难。

所以，Alice 可以再乘 4次，加8次，这样C破解概率就大幅降低了

然而，这样 Alice 仍然只是“部分”同态加密，即:

(1)她加密内容只能针对特定部分问题;

(2)她只能使用特定部分运算法则，因为加法乘法次数不可太多(一般不能超过 15 次)

而“全”的意思是说，要允许 Alice 针对一个多项式，能够做加法加密任意次，做乘法加密任意次，这样委托第三方完全计算，解密后还能得到正确结果。

一个超级长的多项式，几乎可以表达世界上绝大部分的数学问题，而不仅仅计算电费这种7岁小朋友的问题。

再加套上了任意次的加密，从根本上就几乎杜绝了C想要窥探隐私数据的可能性，真正实现了“既要又要”。

因此，“全同态加密”这门技术，一直是加密学圣杯上的一颗明珠。

事实上，同态加密这门技术一直到 2009 年之前，都只支持“部分同态加密”。

而 2009 年 Gentry 等学者提出的新思路，才打开了全同态加密可能性的大门。感兴趣的读者也可以移步这篇论文。

很多朋友对这门技术的应用场景，仍然抱有疑惑，什么场景会需要使用全同态加密(FHE)技术呢?

比如说——AI。

大家都知道，一个强悍的 AI需要足够多的数据喂养，但偏偏很多数据的隐私价值又太高。那么能不能通过 FHE 实现这个问题的“既要又要”呢?

答案是可以的

你可以:

（1）把你的敏感数据按照 FHE方式进行加密;

（2）用加密后的数据交给AI计算;

（3）然后 AI给你吐出一坨谁也看不懂的乱码。

非监督 AI可以实现这一点，因为这些数据在它那里本质就是向量，AI 尤其是 GPT这类生成型AI，压根就不理解我们给它输入的话，只不过它通过向量“预测”出了最应该回答的话。

然而，由于这坨乱码遵循着某种数学规则，而你正是加密它的主人，那么:

(4)你大可以断开网络，在本地从容解密这些乱码，就像 Alice 一样;

(5)进而，你实现了:让AI 对你的敏感数据完全不经手的条件下，运用庞大算力帮你完成了计算。

而现在的 AI则做不到这点，必须放弃隐私才行，想想你明文输入给 GPT的一切吧!要实现这个，非FHE 不可。

这就是 AI和 FHE 天生契合的根源，千言万语化成个词:既要又要。

由于 FHE 和 AI挂上了钩，横跨加密和 AI 两大领域，自然得到了额外的青睐，关于FHE的项目不少，比如Zama, Privasea, Mind Network, Fhenix，Sunscreen 等等，FHE应用的方向也各有创意。

今天拿其中一个项目 @Privasea_ai出来做个解析。

这是个币安领投的 FHE项目，它的白皮书描述了个很贴切的场景，比如说人脸识别。

既要:机器算力能够判断此人是否为真人;

又要:机器不经手任何人脸敏感信息。

引入 FHE，能够有效解决这个难题

然而，如果真要做现实世界的 FHE计算，需要非常庞大的算力，毕竟 Alice 要做“任意次”的加法和乘法加密，无论是计算，加密、解密都是一个颇耗算力的过程。

因此，在 Privasea 要组建一个强大的算力网络，以及配套设施。因此，Privasea又提出了一个类PoW+类 PoS 网络的架构来解决这个算力网络的问题。

最近，Privasea刚刚宣布了自己的 PoW 硬件，叫做WorkHeart USB，这个可以理解为是 Privasea 的算力网络的配套设施之一，当然你可以简单理解它为一个矿机。

初始定价是 0.2 ETH，能够挖出网络的 6.66%总代中。

以及还有一个类 PoS 资产，叫做 StarFuel NFT，这个可以理解为“工作证”，总量 5000个。

初始定价也是 0.2 ETH,能够领到网络的 0.75%总代币(通过空投)。

这个 NFT 也有点意思，它是类 PoS，但不是真PoS，它在试图回避“PoS 在美国到底是不是证券”的问题。

这个 NFT 支持用户往里面抵押 Privasea 的代币，但是它不直接产生 PoS 收益，而是让你绑定的 USB 设备挖矿效率加倍，所以是个变相 PoS。

PS:之前投了这个项目，所以我有一个打折 mint 早鸟邀请码 siA7PO 感兴趣请自取

nft.privasea.ai/

书归正传，如果AI 真的能够大规模普及 FHE 技术，那么对于 AI 自己来说真的是个福音，要知道现在很多国家监管A的重点都在数据安全和数据隐私。

甚至，举个不恰当的例子，比如俄乌战争里，一些俄国军方都在试图使用A，但是考虑到大量AI公司的美国背景，大概情报部门要被穿透得千疮百孔了。

但是如果不使用 AI，又自然会落后一大截。哪怕现在可能差距还不大，再给10年时间，也许我们都无法想象没有 AI的世界了。

因此，数据隐私，大到两国战争冲突，小到手机人脸解锁，无处无存在于我们的生活。

而 AI的时代，如果 FHE 技术能够真正成熟，那无疑是人类的最后一道防线。

查看更多