全同态加密:日趋成熟的赛道概览与潜在机遇

密码学技术在人类文明进程中扮演着重要角色,尤其在信息安全和隐私保护方面发挥了不可替代的作用。它不仅为各领域的数据传输和存储提供了坚实保障,其非对称加密公私钥体系和哈希函数更是在2008年被中本聪创造性地融合,设计出解决双花问题的工作量证明机制,推动了比特币这一革命性数字货币的诞生,开启了区块链行业的新纪元。

随着区块链行业的快速发展,一系列前沿密码学技术不断涌现,其中零知识证明、多方计算和全同态加密最为引人注目。这些技术在多个场景中得到了广泛应用,如零知识证明结合Rollup方案解决区块链的"不可能三角"问题,多方计算结合公私钥体系推动用户入口的大规模应用。而被视为密码学圣杯之一的全同态加密,其独特特性使第三方能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,从而实现可组合的链上隐私计算,为多个领域和场景带来了新的可能。

全同态加密概述

全同态加密(FHE)的核心在于允许对密文进行计算和操作,这些操作能够直接映射到明文上,保持加密数据的数学属性不变。FHE中的"全"意味着这种同态性达到了全新高度,允许对加密数据进行无限次的计算和操作。

在FHE领域,微软和Zama凭借卓越的开源产品展现了无与伦比的可用性和影响力。他们为开发者提供了稳定高效的FHE实现,极大推动了FHE技术的持续发展和广泛应用。

微软的SEAL是一款支持全同态加密和部分同态加密的库,提供高效的C++接口,集成众多优化算法和技术,显著提升了计算性能和效率。

Zama的TFHE是专注于高性能全同态加密的开源库,通过C语言接口提供服务,运用一系列先进的优化技术和算法,旨在实现更快的计算速度和更低的资源消耗。

FHE的基本操作流程包括:

1. 生成密钥
2. 加密数据
3. 进行同态计算
4. 解密结果

在FHE实践中,解密密钥的管理至关重要。对于区块链而言,引入阈值的多方安全计算方案是一种极具潜力的选择,可提高密钥管理的安全性,降低单一节点被攻破的风险。

支持FHE的以太坊虚拟机

为实现FHE在区块链上的应用,最理想的方式是将其封装为通用的智能合约代码库。这需要智能合约虚拟机预先支持FHE所需的复杂数学运算和加密操作的特定指令集。

作为广泛采用且经过长期验证的虚拟机,EVM自然成为了实现FHE的首选。在这一领域,Zama公司推出了支持Solidity实现隐私计算的全同态EVM - fhEVM。

fhEVM的核心特性包括:

• 通过集成Zama开源FHE库的预编译合约,提供FHE操作支持
• 为FHE打造特定的EVM内存和存储区域
• 基于分布式阈值协议设计的解密机制
• 降低开发门槛的Solidity合约库

fhEVM为区块链应用中的FHE技术提供了坚实基础,但在推向实际应用时可能面临诸多挑战。

基于全同态加密的Rollup方案

单纯的fhEVM无法构成完整的生态系统,需要依托公链级别架构或采用Layer2/Layer3解决方案。考虑到FHE的特性,将fhEVM与Rollup技术结合,构建FHE-Rollups型Layer2解决方案成为一个可行方向。

Fhenix作为先行者,积极探索FHE-Rollups解决方案。考虑到技术复杂度,Fhenix选择了基于Optimistic Rollups的方案。

Fhenix的技术栈主要包括:

• Arbitrum Nitro's fraud prover的变种
• 核心库fheOS
• 阈值服务网络(TSN)

基于这一技术栈,Fhenix发布了首个公开版本Fhenix Frontier,提供了全面的开发工具和文档支持。

链无关的FHE协处理器

Fhenix引入Relay模块,使各类公链、L2及L3网络能够接入FHE Coprocessors使用FHE功能。为克服FHE-Rollups较长的挑战期限制,Fhenix联手EigenLayer,通过Restaking机制为FHE Coprocessors提供了更快捷的服务通道。

FHE Coprocessors的使用流程包括:

1. 应用合约调用FHE Coprocessor
2. Relay合约排队请求
3. 请求转发至Fhenix Rollup
4. 执行FHE计算
5. 阈值网络解密输出
6. 结果回传给合约
7. 合约验证并发送结果
8. 应用合约继续执行

FHE的应用场景

FHE技术在全链游戏、DeFi以及AI等领域展现出巨大潜力:

• 隐私保护的全链游戏:为游戏经济体提供加密保障,防止实时操纵,保护玩家隐私
• DeFi/MEV:保护DeFi中的敏感数据,降低不良MEV行为
• AI:保护个体隐私数据,实现安全的AI模型训练

FHE生态概览

除核心技术服务公司Zama和Fhenix外,FHE生态中还有一系列值得关注的项目:

• Sunscreen:自研FHE编译器
• Mind Network:结合EigenLayer的FHE网络
• PADO Labs:融合ZKP和FHE的去中心化计算网络
• Arcium:并行机密计算网络
• Inco Network:优化FHE计算效率的Layer1
• Treat:Shiba生态的FHE Layer3
• octra:支持隔离执行环境的FHE网络
• BasedAI:为LLM引入FHE功能的分布式网络
• Encifher:专注FHEML的项目
• Privasea:面向AI领域ML推理的FHE网络

非营利性研究和教育机构如FHE.org和FHE Onchain为生态发展提供了宝贵资源。

FHE技术前景广阔,一旦Fhenix等项目主网上线,将为多个领域带来创新与变革。这个充满活力的未来已近在眼前。