同态加密

本文介绍了Zama团队的fhEVM在token销售拍卖中的应用，重点介绍了社区成员Palra利用同态加密技术构建的链上保密单价拍卖系统，该系统允许参与者进行保密的竞标，同时确定统一的结算价格。文章还深入探讨了该方案中Fenwick树数据结构的使用，以及如何在保密性和可扩展性之间找到平衡。

TFHE-rs v0.11 版本发布，带来了多项重要改进和新功能，包括Zero Knowledge Proof性能的显著提升，以及通过 FheAsciiString 类型在高级 API 中使用加密字符串的新模块。新版本还引入了 TUniform 噪声分布来代替高斯分布，GPU 性能也得到提升，并支持在 GPU 上轻松执行加密数组的计算。

TFHE-rs v0.6 版本引入了零知识证明技术，增强了 GPU 对有符号整数运算的支持，并引入了加密随机数生成等新的加密功能。该版本现在包含 Marc Joye 提出的公钥方案，并生成零知识证明以验证公钥加密过程的正确性。此外，新版本还支持 GPU 上的有符号整数运算，并改进了 GPU 用户的多位 PBS。

TFHE-rs v0.7 版本发布，引入了密文压缩和多 GPU 支持等重要特性。密文压缩可将密文大小最多减少 1900 倍，而多 GPU 支持能够显著提升同态计算的性能，文章还介绍了新版本中参数集合的更新、新的向量和数组运算、优化的零知识证明以及优化的 GPU 密钥切换等额外功能。

TFHE-rs v0.8版本发布，引入了加密数组类型，并增强了多GPU计算能力，开发者可以更轻松地处理向量和张量，同时大幅缩短GPU上算术运算的计算时间，此外，新版本还引入了诸多新特性，包括后同态计算密文压缩、更多基于GPU的同态运算、以及CPU运算的改进等。

Zama 发布了 TFHE-rs v1.0 稳定版，该版本稳定了 x86 CPU 后端的高级 API，并确保向后兼容，提升了密码学安全性，优化了分布式协议的性能。此外，还发布了 TFHE-rs 手册，详细介绍了后端的实现，并简化了贡献流程。通过贡献 Zama Bounty Program 还可以获得奖励，此外，GPU 后端也在开发中。

Zama 发布了 TFHE-rs v1.1 版本，该版本在 GPU 和 CPU 后端都有重大改进和新特性。GPU 方面，升级了后端，采用了与 CPU 相同的默认加密参数，显著提高了多 GPU 的支持，CPU 方面，通过支持更多的标量案例扩展了算子集，该版本还引入了分块引导密钥生成，以更好地支持内存受限环境中的操作。

Zama 团队发布了 TFHE-rs (v0.7)、Concrete (v2.7)、Concrete ML (v1.6) 和 fhEVM (v0.5) 的新版本。

Zama 团队发布了 TFHE-rs (v0.6)、Concrete (v2.6)、Concrete ML (v1.5) 和 fhEVM (v0.4) 的新版本。

Zama 发布了 TFHE-rs (v0.8)、Concrete (v2.8) 和 Concrete ML (v1.7) 的新版本。

Zama 发布了 TFHE-rs v1.1 版本，GPU 后端升级，采用与 CPU 相同的默认加密参数，降低了计算错误的概率。多 GPU 支持也得到了显著改善，开发者可以选择要使用的 GPU，在 8×H100 GPU 上每秒可进行接近 500 次加密的 64 位加法。CPU 方面，此版本通过支持更多标量情况扩展了运算符集，从而使同态计算更加通用和高效。

Concrete v2.9 版本发布，增强了 TFHE-rs 的互操作性，扩展了对有符号整数的支持并完全支持张量的序列化和反序列化，支持 Python 3.12，包括 CPU 和 GPU wheels，并修复了一些 Bug，优化了 GPU 内核，提高了 FHE 的评估性能。

fhEVM v0.6 版本引入了更强大的输入机制与证明功能，扩展了类型支持，并增强了 fhEVM 部署的配置能力。同时，Zama 推出了 fhEVM Coprocessor，它允许在任何 EVM 链上构建保密智能合约，目前已在 Sepolia 测试网上提供。

TFHE-rs v0.11 版本发布，主要带来了以下更新： 1. 零知识证明性能显著提升；2. 引入了基于 FheAsciiString 类型的新加密字符串模块；3. 默认加密参数现在遵循调整后的均匀噪声分布；4. GPU 性能提升，64 位加法运算速度提高 30%；5. 可以在 GPU 上轻松执行加密数组的计算。同时，该版本还改进了 GPU 性能，并修复了一些bug。

Zama 团队发布了首个完全开源的 FHE 硬件加速器 HPU，以及 TFHE-rs v1.2，该版本包含一个新的后端，用于支持在 FPGA 上运行的 HPU。