FHE崛起：加密世界的新隐私计算革命

全同态加密（FHE）是加密技术领域的一个重大突破，它允许在不解密数据的情况下对其进行计算和操作。这种技术为隐私计算开辟了新的可能性，相比传统加密算法，FHE的独特之处在于它能让第三方在完全加密的状态下处理数据，确保数据隐私不受侵犯。

什么是全同态加密？

全同态加密（FHE）是一种加密技术，它允许对加密数据进行任意形式的代数运算，而结果仍然是加密的。解密后的结果与对明文进行相同运算的结果一致。FHE的优势在于它赋予云端对加密数据进行计算的能力，从而保护敏感信息免受第三方访问。FHE中的“同态加密”指的是对密文进行计算和操作，这些操作直接映射到明文上，保持加密数据的数学属性不变；而“全”则表示这种同态性可以无限次地进行计算和操作。

FHE与ZK、MPC的比较

在隐私保护技术中，FHE、ZK（零知识证明）和MPC（多方计算）是三种前沿技术。FHE通过对加密数据进行操作而不需解密，提供了极高的隐私保护，并为云端计算和区块链等领域提供了强大的安全保障。ZK技术则用于证明陈述的真实性，同时保护数据隐私，常用于区块链扩展解决方案，如zk-rollups。MPC则通过分解计算过程，确保多方参与计算而不泄露私密信息。FHE侧重于在不解密数据的情况下进行计算，ZK注重证明陈述的正确性，MPC则致力于多方安全计算的隐私保护。

FHE的重要性

FHE通过加密数据，确保数据在处理计算过程中的隐私和安全性，防止数据泄露和攻击。它在云计算环境中利用数学原理和密码学技术，使得在计算过程中所有人包括数据处理者都无法查看数据的原始内容。FHE的应用场景广泛，包括金融领域的安全数据处理、医疗领域的隐私保护、安全云计算、电子投票、物联网数据安全传输等，推动各行业的数字化和智能化发展。FHE在Web 2和Web 3中都有比ZK和MPC更广泛的应用落地场景。

FHE领域的重点项目

Zama

Zama专注于全同态加密技术，开发和推广FHE解决方案，保护区块链和人工智能领域的数据隐私。Zama的核心技术是全同态加密，允许对加密数据进行任意计算而无需解密，确保数据隐私。Zama提供开源FHE库和解决方案，适用于医疗保健、金融服务、广告、国防、生物识别和政府安全等行业。Zama还与Mind Network和Privasea合作，推动FHE技术的应用。Zama已完成7300万美元的A轮融资，由Multicoin Capital和Protocol Labs领投。

Fhenix

Fhenix是基于以太坊的Layer 2解决方案，通过FHE Rollups和FHE Coprocessors提供支持。它完全兼容以太坊虚拟机（EVM），支持Solidity语言，能够运行基于FHE的智能合约，实现链上保密计算。Fhenix采用Optimistic Rollup和Zama的FHE技术，专注于TFHE技术的研发和应用。Fhenix计划于2025年1月上线主网，并已完成700万美元的种子轮融资。

Secret Network

Secret Network致力于为去中心化应用（DApps）提供隐私保护，是一个使用Cosmos SDK和Tendermint BFT构建的Layer1区块链。它通过集成Intel SGX技术增强隐私保护能力，支持私密智能合约。Secret Network最初计划依托以太坊生态，但因性能瓶颈转而通过Cosmos SDK开发独立的公链，实现与Cosmos生态系统的互操作性。

Sunscreen

Sunscreen专注于隐私保护的区块链项目，为工程师提供使用FHE等密码技术构建和部署私有应用程序的解决方案。Sunscreen开源了自己的FHE编译器，能够将Rust函数转换为具有隐私性的FHE等效函数，支持BFV FHE方案。Sunscreen也在构建与FHE编译器兼容的ZKP编译器，并寻求去中心化存储系统。Sunscreen已完成465万美元的种子轮融资，由Polychain Capital领投。

Mind Network

Mind Network由Zama支持，目标是实现HTTPZ（端到端加密互联网愿景）。其产品包括MindLayer、MindSAP和MindLake，用户可以通过MindLayer将BTC和ETH的LST代币再质押到Mind Network，引入FHE增强验证器。Mind Network还推出了Rollup链，并已完成250万美元的种子轮融资。

Privasea

Privasea整合了全同态加密机器学习（FHEML），推出了基于FHE技术的DApp“ImHuman”，确保“人脸验证”（PoH）的安全执行。ImHuman在手机端加密处理人脸图像，不发送至任何服务器，用户通过PoH验证可获得独家空投。Privasea还建立了AI DePIN基础设施Privasea AI Network，已完成500万美元的种子轮融资。

FHE赛道的风险

FHE的效率较低，由于算力和算法的限制，实现FHE需要比ZK大4-5个数量级的计算能力，目前只能实现加法和减法的计算，导致计算效率低下，成本高昂。市场对FHE的需求并不强烈，FHE实现难度大，成本高，导致愿意采用FHE的项目较少，且大多数用户对隐私需求不高，不愿为隐私溢价付费。算力基础设施薄弱，FHE需要大量算力，目前全球算力短缺，无法满足FHE的大规模发展需求。

总结

FHE作为加密学的圣杯，通过其独特算法，允许第三方在不解密的情况下对加密数据进行任意次数的计算和操作，为隐私计算提供了新的可能性。FHE技术能够有效保护用户数据隐私，实现数据的安全共享和处理，在Crypto行业和现实社会中都有创新作用。然而，FHE作为早期赛道，面临效率、市场需求和算力基础设施等多重挑战。尽管FHE前景广阔，但目前仍处于早期阶段，尚未具备项目应用落地的条件。