引言
全同態加密的優點：相較於傳統加密演算法，其獨特的特性在於第三方能夠在不解密的情況下，對加密資料進行任意次數的計算和操作，為隱私計算提供全新的可能性。
FHE的定義
全同態加密（Homomorphic Encryption，簡稱FHE）：允許對密文進行特定形式的代數運算，得到的結果仍然是加密的，解密後的結果與明文相同運算的結果一致。與零知識證明相比，全同態加密最大的優勢在於它賦予雲端對加密資料進行運算的能力，從而保護敏感資訊免受第三方存取。
全同態加密（FHE）可以分開來理解：
-
FHE中的HE代表同態加密技術，其核心特性在於允許對密文進行計算和操作，而這些操作能夠直接映射到明文上，即保持加密資料的數學屬性不變；
-
FHE中的F則意味著這種同態性達到了全新的高度，允許對加密資料進行無限次的計算和操作。
FHE與ZK、MPC的比較
在隱私賽道中，處於產業技術前沿的三種技術是：FHE、ZK和MPC。
全同態加密（FHE）可以對加密的資料進行各種操作，而無需先解密，從而使資料的隱私得到了極高的保護。同時，FHE 為雲端運算和區塊鏈等領域提供了強大的安全性保證。
零知識證明（ZK）是一種先進的密碼學技術，它在保護資料隱私和確保事實正確性方面發揮關鍵作用。透過ZK，一方可以向另一方證明某個陳述的真實性，而無需揭示與該陳述相關的具體數據，從而有效地保護了數據主體的隱私。尤其在建立區塊鏈擴展解決方案中，ZK被廣泛應用，如zk-rollups。
多方計算（MPC）是一種基於密碼學技術的計算模型，它能夠保護參與者的隱私數據，在不暴露私密輸入的情況下完成計算任務。 MPC技術透過將計算過程分解成多個步驟，並在各個步驟中引入加密和解密操作，從而實現多方參與計算而不洩露私密資訊。
透過上述對比可以看出，FHE技術著重於在不需要解密資料的情況下進行計算，從而保護資料的隱私性；ZK技術著重證明陳述的正確性，同時保護陳述的隱私；MPC技術致力於實現多方安全計算，確保參與者在計算過程中的隱私和安全。
FHE的重要性
更好的保護隱私和安全性：FHE透過對資料進行加密，確保資料在處理計算過程中的隱私和安全性，從而防止資料外洩和攻擊。這種加密方式利用數學原理和密碼學技術，使得在雲端運算環境中進行安全運算成為可能，在運算的過程總所有人包括資料的處理者，都無法查看資料的原始內容，從而達到不暴露原始數據的目的。
擁有更多的使用場景：FHE可以應用於金融領域的安全資料處理、醫療領域的隱私保護、安全雲端運算、電子投票、物聯網領域的資料安全傳輸等多個領域。透過FHE技術，各行各業得以實現資料的安全處理與傳輸，保障用戶隱私資訊的安全性，並推動各行業數位化、智慧化發展。所以FHE無論在Web 2或Web 3中都有比ZK和MPC更廣泛的應用落地的場景。
FHE領域的重點項目
Zama
Zama是一家專注於全同態加密技術的專案。
該專案力於開發和推廣FHE解決方案，以保護區塊鏈和人工智慧領域的資料隱私。全同態加密是Zama的核心技術，這種技術允許對加密資料進行任意計算，而無需解密，從而確保資料在處理過程中的隱私性。 Zama提供了一套強大的開源FHE庫和解決方案，使得從獨立開發人員到大型企業都可以構建端到端加密的應用程序，無需了解任何有關密碼學的知識即可開始使用。
Zama的產品和服務主要針對醫療保健、金融服務、廣告、國防、生物辨識和政府安全等產業。透過其技術，Zama能夠為這些產業提供隱私保護的機器學習和智慧合約解決方案。此外，Zama也積極參與各種合作項目，以進一步推動其FHE技術的應用。例如，與Mind Network合作，將其Concrete ML解決方案整合到Mind Network的FHE驗證網路中，為去中心化AI驗證設立新標準。與Privasea合作，共同探索AI、資料安全和ML領域，並基於ZAMA-ConcreteML平台開發一系列隱私保護AI應用。
Zama已經完成了7,300萬美元的A輪融資，由Multicoin Capital和Protocol Labs領投，Metaplanet、Blockchange Ventures、Vsquared Ventures和Stake Capital等也參與其中。
Fhenix
Fhenix是一個基於以太坊的Layer 2解決方案，透過FHE Rollups和FHE Coprocessors提供支援。
Fhenix完全相容於以太坊虛擬機（EVM），並且對Solidity語言提供全面支持，能夠運行基於FHE的智慧合約，並實現鏈上保密計算。與其他方案不同的是，Fhenix不使用zkFHE，而是採用了Optimistic Rollup而非ZK Rollup的方式，同時利用Zama的FHE技術，透過fhEVM實現鏈上保密性，並專注於TFHE（Threshold FHE）技術的研發和應用。 TFHE技術可以在多方參與的情況下實現全同態加密，為保護用戶隱私和資料安全提供了更可靠的解決方案。 Fhenix的推出將為以太坊生態系統帶來更多隱私保護和安全性，並推動區塊鏈技術在更多領域的應用和發展。
2024 年4 月2 日，Fhenix 宣布將與EigenLayer 合作開發FHE 協處理器，希望將FHE 引入智能合約。所謂“FHE 協處理器”，其工作重點是無需先解密資訊即可對加密資料進行計算，無需在以太坊、L2 或L3 上處理FHE 計算任務，而是由指定的處理器處理。 FHE 協處理器將受到Fhenix 的FHE Rollup 和EigenLayer 質押機制的保護。依照路線圖，Fhenix 計畫於2025 年1 月上線主網。
2023 年9 月，Fhenix 完成700 萬美元種子輪融資，Sora Ventures、Multicoin Capital 和Collider Ventures 領投，Node Capital、Bankless、HackVC、TaneLabs 和Metaplanet 等人參投。 Fhenix專案透過結合全同態加密技術和以太坊L2解決方案，為區塊鏈領域帶來了創新的保密運算能力，並且在多個領域展現出廣泛的應用潛力。
Secret network
Secret Network是一個致力於隱私的區塊鏈項目，旨在為去中心化應用（DApps）提供隱私保護。該專案允許開發者建立新型的、無權限、可保留隱私的應用程式。
Secret Network是使用Cosmos SDK和Tendermint BFT建構的Layer1區塊鏈，是以隱私為中心的智慧合約平台。它是第一個在主網上提供私密智能合約的項目。此專案透過整合Intel SGX（軟體保護擴充）技術，增強了其隱私保護能力。 Secret Network一開始的名字為Enigma，最初希望依託以太坊生態進行開發，但後來由於效能瓶頸，改為透過Cosmos SDK開發一條獨立的支援隱私計算的公鏈。這條鏈不僅支援隱私運算，還能夠實現與其他Cosmos生態系統的互通性，將私密性帶入廣泛的區塊鏈網路。
Secret Network的核心技術創新在於其整合的Intel SGX，這使得它能夠在保持區塊鏈透明度的同時，為用戶提供資料隱私。 Secret Network透過其獨特的隱私保護功能，為Web 3.0應用程式提供了資料隱私，推動了去中心化金融等領域的發展。
Sunscreen
Sunscreen 是一家專注於隱私保護的區塊鏈項目，致力於為工程師提供使用FHE 等密碼技術建構和部署私人應用程式的解決方案。
公司已經開源了自己的FHE 編譯器，這是一個基於Web3 的原生編譯器，能夠將普通的Rust 函數轉換為具有隱私性的FHE 等效函數，為算術操作（如DeFi）提供高性能而無需硬件加速。此外，FHE 編譯器也支援BFV FHE 方案。同時，Sunscreen 正在著手建立與FHE 編譯器相容的ZKP 編譯器，以確保計算完整性，儘管在證明同態運算時整體速度較慢。另外，公司也在尋求一種去中心化儲存系統，用於儲存FHE 密文。
在未來的路線圖規劃中，Sunscreen 將首先支援測試網中的私有交易，隨後支援預先確定的私有程序，並最終允許開發者使用其FHE 與ZKP 編譯器編寫任意私有程序。
2022 年7 月，Sunscreen 完成了465 萬美元的種子輪融資，由Polychain Capital 領投，Northzone、Coinbase Ventures、dao5 等也參與了投資，個人投資者包括Naval Ravikan、Entropy 創始人Tux Pacific 等。 Sunscreen 的共同創辦人包括Ravital Solomon 和隱私網路NuCypher 的共同創辦人MacLane Wilkison，該公司旨在為工程師提供便利，使其能夠建立基於全同態加密的應用程式。在此之前，Sunscreen 曾獲得57 萬美元的Pre-Seed 輪融資。
Mind network
Mind Network 是一種由Zama 支援的再質押層，其目標是實現HTTPZ（端對端加密網路願景）。
此網路的產品包括適用於AI 和DePIN 網路的FHE 再質押方案MindLayer、經過FHE 授權的隱形位址協定MindSAP 以及基於FHE 驗證器網路建立的FHE DataLake MindLake。使用者可以透過MindLayer 將BTC 和ETH 的LST 代幣再質押到Mind Network，並引入FHE 增強驗證器以實現端對端加密的驗證和計算過程。同時，它引入了專為AI 機器學習任務設計的智慧證明（PoI）共識機制，以確保FHE 驗證者之間的公平安全分配。 FHE 計算還可以透過硬體加速。 MindLake 是用於鏈上加密資料運算的資料儲存Rollup。
此外，Mind Network 正與AltLayer、EigenDA、Arbitrum Orbit 一起推出Rollup 鏈。 Mind Network 的測試網已經上線。 2023 年6 月，Mind Network 完成了250 萬美元的種子輪融資，投資人包括Binance Labs、Comma3 Ventures、SevenX Ventures、HashKey Capital、Big Brain Holdings、Arweave SCP Ventures、Mandala Capital 等。同時，它入選了Binance Labs 的第五季孵化計劃，並曾入選Chainlink BUILD 計劃，並拿到以太坊基金會Fellowship Grant。
Privasea
Privasea是一個整合了全同態加密機器學習（FHEML）的分散式運算網路項目，同時推出了基於FHE技術的DApp“ImHuman”，旨在確保“人臉驗證”（PoH）的安全執行。
使用者一旦建立了ImHuman帳戶，如果忘記了密碼將無法找回。 ImHuman將利用前置鏡頭掃描人臉影像，並在手機端進行加密處理，不會傳送至任何伺服器，Privasea也沒有權限存取。加密後的人臉影像將發送至Privasea伺服器，並用於產生個人專屬NFT，從而完成人臉驗證。透過PoH驗證的用戶將獲得獨家空投。目前，ImHuman僅在Google Play上發布，即將登陸App Store。
Privasea也建立了AI DePIN基礎設施Privasea AI Network，該測試網路已經啟動。透過建立去中心化運算網絡，此測試網絡為FHE AI任務提供可擴展的分散式運算資源，從而降低集中處理資料的風險。 Privasea的FHE方案得到了Zama具體機器學習的支持。 截至2024年3月，Privasea已完成了500萬美元的種子輪融資，參投單位包括Binance Labs、Gate Labs、MH Ventures、K300、QB Ventures、CryptoTimes等。在4月份，Privasea完成了新一輪策略融資，參投者包括OKX Ventures、軟銀參股的孵化器Tanelabs等。
FHE賽道的風險
FHE的效率較低：在現階段的區塊鏈產業中，由於算力以及演算法的限制，ZK技術實現起來都是非常的困難。 FHE的所需的計算能力相比ZK而言大了4-5個數量級（大概是1000-10000倍），所以在現階段想要全部實現FHE是件非常困難的事。在現階段只能實現FHE的加法和減法的計算，但是這樣仍然需要較大量的計算，這就會導致計算的效率比較低下，並且需要佔用大量的算力，成本也隨著大幅度的增加。
市場對FHE的需求並不強烈：雖然FHE的採用能夠解決一部分行業所面臨的問題，但是基於FHE實現的難度較大，成本較高，從而導致了願意去採用FHE的項目較少。並且對大部分用戶來說隱私是不痛不癢的需求，作為公共服務，很少人願意為隱私溢價付費。市場上對FHE的需求並不強烈，也就導致了各個專案方對FHE開發的意願並不是很強烈。所以FHE近年來都是處於停滯不前的開發階段，並沒有真正的應用落地。
算力基礎設施薄弱：能夠實現FHE的基本前提是需要大量的算力，透過對FHE加法計算的實事已經證明，CPU是不能夠滿足FHE最基本的計算需求的，必須是GPU和ASIC才能夠剛剛滿足。但是現在全球因為AI行業的興起，都處在算力短缺的階段，英偉達的GPU都已經排產到了2025年，並且在Crypto行業中的去中心化算力項目因為算力總量的不足以及頻寬和TPS等硬體設備問題不具備開發FHE的條件。在這種算力短缺的大背景下，想要去大規模發展FHE賽道是不切實際的。
總結
首先，FHE作為加密學的聖杯，能夠透過其獨特的演算法使得第三方能夠在不解密的情況下，對加密資料進行任意次數的計算和操作，為隱私計算提供全新的可能性。 FHE技術能夠有效保護使用者資料隱私，同時實現資料的安全共享和處理。不僅在Crypto產業中，在現實社會的各行各業中也能夠起到創新性的作用，為各行各業解決現有的隱私問題。
其次，FHE作為一個早期的賽道，其面臨困難也比較多。 FHE的效率受限於目前區塊鏈產業中算力和演算法的限制，使得FHE技術實現難度。儘管FHE能夠解決部分行業問題，但其所需的運算能力大約是ZK的1000-10000倍，因此目前只能實現FHE的加法和減法計算，其應用受到市場需求不高和算力基礎設施薄弱的影響，使得FHE的發展停滯不前。
整體來說，FHE是一個非常具有前景和開創性的賽道，FHE技術能夠有效保護用戶資料隱私，同時實現資料的安全共享和處理。但是FEH因為基礎設施的受限以及因為效率和成本問題導致的市場需求程度的不高在實現的過程中困難重重。所以FHE未來Crypto產業發展的一個方向但是在現階段仍處於其早期的階段並不具備其專案應用落地的條件。
