FHE

深入探讨了 fhEVMs 如何利用全同态加密来增强 EVM 兼容区块链中的隐私性。

本文深入探讨了全同态加密（FHE）技术，该技术允许在加密数据上进行计算而无需先解密，从而确保数据在整个生命周期中的隐私。文章讨论了FHE的工作原理、性能改进以及其在云计算、LLM推理和区块链智能合约等领域的潜在应用，强调了FHE技术正快速发展，或将推动互联网隐私保护进入新时代。

FHE全同态加密介绍——小白版

Paillier 同态加密算法

“可编程密码学”一词来指代今天变得实用的第二代密码学原语。这些原语的定义特征是它们比第一代密码学灵活得多：它们允许我们在密码协议内部或之上执行通用计算。

同态加密是一种允许在加密数据上执行计算而无需解密的密码学技术。它通过允许在加密数据上进行计算来克服传统加密方案的限制，从而在不泄露原始数据的情况下进行数据分析和计算，具有广泛的应用前景，例如安全人工智能、安全云计算、法规遵从性、安全投票和供应链安全。

Concrete v2.10 发布，引入了对 Rust 的支持，通过 concrete-python 将 Python 程序编译为 FHE 等效程序，然后在 Rust 项目中使用，以便在生产环境中部署。新版本还增强了与 TFHE-rs 的互操作性，可以更轻松地结合两者的优势。

Zama发布 Concrete ML v1.9 版本，该版本支持 TFHE-rs 密文格式，支持开发者使用 Rust 生态系统进行加密机器学习工作流程，能够将 Concrete ML 模型无缝集成到基于 Rust 的 FHE 管道中。同时，LoRA LLM 微调协议也得到了性能上的改进，并推出了新的 SDK，旨在构建支持 FHE 的浏览器和移动应用程序，使移动用户能够安全地处理敏感数据。

Concrete ML v1.8 发布，旨在实现去中心化的私有 LLAMA 微调。此版本改进了 LLM 混合微调的速度和可用性，通过优化的 FHE 后端和新的低秩近似 API。Concrete ML 现在支持 Python 3.12，确保与最新的工具和框架兼容。该版本还提供了一个更好的 API，用于在加密数据上微调 LLM，并添加了一个优化的 FHE 后端，加速了计算。

该项目旨在通过结合全同态加密（FHE）与双密钥隐身地址协议（DKSAP）来改进以太坊的隐私保护。提出了FHE-DKSAP，声称其能够防止量子计算攻击，重用隐身地址从而避免大量生成，并允许接受者外包链上资产检查计算，同时不泄露视图密钥，从而提升以太坊交易的隐私性和安全性。

Zama 团队发布了一系列开源的 iOS 应用演示程序和一个客户端 SDK，用于构建支持全同态加密（FHE）的移动应用。

本文介绍了Fhenix，一个基于全同态加密（FHE）的区块链项目，旨在将加密数据的计算引入EVM智能合约。Fhenix利用FHE技术增强区块链的隐私性和可扩展性，并探讨了FHE在区块链中的潜在用例，如数据保密、安全计算和跨链互操作性。文章还提到了其他利用FHE的区块链项目，并对Fhenix的未来发展方向进行了展望。

Zama 推出了开发者计划，旨在通过每月奖励、认证路径和创业加速，支持开发者构建下一代区块链应用。该计划包括构建者赛道和赏金赛道，为开发者提供资金、技术和网络支持，帮助他们掌握 Zama 协议，并在保密计算领域取得成功。

本文介绍了Shutter Network在2024年及以后的发展计划，重点在于通过阈值加密技术提升交易隐私和安全性，应对MEV问题和审查制度。Shutter计划集成EigenLayer、Mode和Espresso等平台，并探索FHE和MPC等先进加密技术，以实现更安全、公平的交易环境，并扩展到DAO治理、NFT发行等领域。

本文探讨了全同态加密（FHE）在区块链中的应用，特别是作为协处理器以解决隐私问题。文章分析了将FHE原生集成到虚拟机以及使用FHE协处理器的两种方案，并讨论了FHE在支持私有共享状态方面的优势，以及FHE技术栈中引入的可信第三方的风险。最后，文章列举了FHE潜在的应用场景，并介绍了OpenZeppelin在推动保密代币标准方面的工作。