数字货币最新百倍项目推荐这几天，媒体疯狂输出全同态加密的生态，现状。但是目前FHE仍处于非常早期的阶段，性能缓慢，计算开销成本高，不安全，等等问题还有待解决。

今天我们从FHE项目的创始人的观点中去了解下FHE。

; < < < > > ; < < > ; < > > ; < > > ; < < > > ; < > > ; < < > ; < > > ; < > ; < > > ; < > ; < > > > ; > > ; < < < > > > ; > > > < > < > > > ; < < > > < > > > < > > > > ; > > < > < < > < > > > > > > < > > < < > < < < > < < < > > > < < < < ; < < > > > ; > > > > > > > < < < > < > > < < < < < < < < < < < < > > ; > < < ; ; < ; < > < < < < < < < < < < < < < < < < < < > < < < < < < < < < < <

全同态加密，即 Fully Homomorphic Encryption (FHE) ，是一种能够在无需解密的情况下处理数据的技术。这意味着公司可以在不查看用户数据的情况下提供服务，而且用户不会感受到功能上的差异。由于数据在传输和处理过程中都经过加密，网络行为可以实现端到端加密。因此，FHE 技术可以更好地实现零信任策略，能够在不受信任的域上共享，而执行计算的人是无法读取数据的。

最近，FHE 行业的领军企业 Zama 发表了一篇关于其“整体规划”的文章。该文章宣布了公司成功融资 7300 万美元（估值未公开），并阐述了公司创建端到端加密网络 HTTPZ（“Z” 即 “Zero Trust”，零信任）的愿景。这一愿景旨在通过构建一个可扩展的、高效的、具备隐私保护功能的网络，为企业和个人提供更安全、更加隐私的数据交换和处理服务。这一计划的实现将有助于推动全同态加密技术的发展和应用，进一步提高数据安全性和隐私保护水平。

Zama

项目简介

Zama 是一家为开发人员构建开源同态加密工具的密码学公司。其同态加密 (FHE) 是一种无需解密即可处理数据的技术。这可用于在公共、无需许可的区块链之上创建隐私智能合约，只有特定用户才能看到交易数据和合约状态。

团队背景

Rand Hindi 是 Zoma 联合创始人兼CEO，此前是 Snips 创始人兼首席执行官。他自 10 岁开始编码，14 岁创办了自己的首家创业公司，并在 21 岁时创立了一家网络开发机构，之后开始攻读博士学位。他拥有伦敦大学学院 UCL 的计算机科学学士学位、生物信息学博士学位，以及硅谷 Singularity 大学、阿姆斯特丹 THNK 的两个研究生学位。

Pascal Paillier 是 Zama 联合创始人兼CTO，此前是 CryptoExperts 首席执行官。他是巴黎高科电信密码学博士。

Marc Joye 是 Zama 的首席科学家。他毕业于比利时法语天主教鲁汶大学和图卢兹大学让饶勒斯分校。

投融资

开源加密公司 Zama 宣布完成 7300 万美元 A 轮融资，Multicoin Capital 和 Filecoin 开发商 Protocol Labs 共同领投，Metaplanet、Blockchange Ventures、Vsquared Ventures 和 Stake Capital 参投。此外，Filecoin 创始人 Juan Benet 、Solana 联合创始人 Anatoly Yakovenko 和以太坊联合创始人、Polkadot 联合创始人 Gavin Wood 在内的天使投资人也参与本轮投资。

Zama 联合创始人兼首席执行官 Rand Hindi 在接受采访时表示，Zama 在过去两年中分两次筹集了巨额资金。Hindi 说，这是一轮股权融资，使 Zama 迄今为止的融资总额超过了8000万美元，但他拒绝对估值发表评论。作为 A 轮融资的一部分，Filecoin 的 Benet和 Multicoin 的 Kyle Samani 等人将加入 Zama 董事会。

据悉，Zama 由 Hindi 和 Pascal Paillier 于 2020 年初共同创立。Paillier 是著名的密码学家，也是全同态加密（FHE）技术的发明者之一，该技术是 Zama 公司的核心技术。Zama 计划利用新融资继续研究和开发其 FHE 工具。Hindi 表示，自早期研究以来，Zama 实现了 100 倍的性能提升，现在它的目标是再实现 1,000 倍的性能提升，以支持大型应用程序。

其他热门项目

在Web3中，一些基于FHE的构建者们与Zama的目标一致，正在努力将其变为现实。下面我们分享了FHE领域的三个热门项目Mind Network、Fhenix和Inco的创始人观点，阐述了他们如何在Web3中实现端到端加密网络，为什么这些项目将从根本上改变用户与网络的交互方式，以及他们为何认为FHE的应用场景前景广阔。

Mind Network

Mind Network是首个基于FHE的通用Restaking Rollup解决方案，为EigenLayer和以太坊生态系统提供安全计算和共识。在加密人工智能领域，Crypto AI和DePIN要打败Web2竞争对手，但仍需要解决一些难题。其中，加密输出是关键问题之一，因为如果其他验证者可以复制预测结果，那么系统就有意向减少计算量，但仍能通过验证获得代币奖励，从而降低网络安全性。此外，去中心化的验证网络也是人工智能面临的另一个挑战。EigenLayer为市场提供了服务，允许通过ETH和流动性质押代币共享安全性，但人工智能对共识计算的安全性和数据的安全性有更高的要求，这是人工智能系统需要解决的另一个关键挑战。在DePIN问题上，用户通过贡献特定数据来获得代币奖励，但也会不经意间向网络暴露设备、地理位置和收入等重要数据。如果DePIN成为当今物联网的行业标准，那么Web3用户的保密性就会比Web2模式中的用户更差。这也是DePIN需要解决的一个关键挑战。

Mind Network为解决上述问题提供了方案。Mind Network与ZAMA合作，在加密数据上实现可验证的分散计算，提供了基于FHE的数据安全、计算安全和共识安全解决方案，从而解决了上述第一个问题。其次，Mind Network扩展了EigenLayer的共识服务，以满足人工智能计算的需求，从而实现了人工智能网络的关键——概率共识，该方案将为Restaker提供更多来自人工智能网络的收益。同时，Mind Network为Chainlink CCIP提供了FHE桥的解决方案，该方案也获得了以太坊基金会的Grant。

目前，Mind Network的人工智能解决方案已经与IO.Net、AIOZ、Nimble、AigentX、Chainlink、Connext和Akash等项目达成了初步的产品市场契合，在最新的测试网活动上已获得60万+的活跃钱包参与。

以太坊从创立之初就选择了用数据完整性来换取其保密性。然而，这种对抗性博弈极大地限制了以太坊可以处理的用例类型。为了让以太坊真正发展成为"Web3"，用户需要确保以太坊不仅能做到现在网络可以做的事，而且能够做得更好。例如，在扑克游戏中，虽然可以相信以太坊不会作弊，但它无法让每个玩家都相互隐藏牌面，如果做不到这点，游戏是根本无法进行的。

FHE技术的出现为解决链上保密性问题提供了可能。Fhenix使用并扩展了Zama的加密库，用于构建一个FHE协处理器。FHE协处理器是以太坊的扩展，应用程序可以将需要处理敏感数据的特定计算外包出去。例如，一个DAO治理机制可以运行一个私人投票机制，让人们对自己的投票进行加密，然后让协处理器（在加密数据上）进行统计，同时只透露最终结果。Fhenix的FHE协处理器技术基于轻量级FHE Rollup架构，大大提高了可扩展性。如果每条链都配备这样的协处理器，可以推动无数新的应用出现。Fhenix认为，这将成为让十亿多用户涌入加密货币的催化剂。

Inco 是基于 EVM 的 Layer 1 区块链，通过 EigenLayer 由以太坊提供安全保护，并简化了 FHE 的复杂性，使开发人员能够使用最常用的智能合约语言 Solidity 和以太坊生态系统中的工具（如 Metamask、Remix 和 Hardhat），在 20 分钟内构建保密性 DApp。

此外，与 Celestia 为以太坊和其他区块链提供数据可用性（即 Data Availability — DA）的方式类似，Inco 作为一个模块化保密计算网络，通过提供保密存储、计算和访问控制，将保密性扩展到以太坊和其他公共 L1 和 L2。

例如，一个不受信任的链上游戏可以在 Arbitrum 上开发，其大部分核心逻辑都托管在 Arbitrum 上，而 Inco 则专门用于存储隐藏信息（如卡牌、玩家状态或资源）或执行私有计算（如支付、投票或隐匿攻击）。Inco 的目标是将保密性带入互联网的价值层，并推动下一阶段的大规模应用。

创始人们认为，端到端加密网络是唯一能解决网络最关键问题的潜在可能，实现这一目标可能需要四年，也可能需要八年。但由 FHE 实现的零信任基础设施为交易和数据带来了合理且强制性的隐私保护和共识安全，有助于将 DePIN 和去中心化人工智能带到大众身边。

全同态加密（FHE）是密码学的 "圣杯"，也是当代保护隐私和满足安全需求的关键。其起源可追溯到 1978 年由 Rivest、Adleman 和 Dertouzos 首次提出的概念。然而，直到 2009 年，斯坦福大学博士候选人 Craig Gentry 才通过一篇开创性的论文实现了这一愿景，提供了首个可行的 FHE 方案。

这项技术可以在无需解密的情况下对加密数据进行复杂计算，从而提供一种即使在分析过程中数据也能保持安全和隐私的解决方案，这一过程被称为“creating a shared private state”（创建共享私有状态）。仅在过去几年中，FHE 的进步就大大提高了效率和可用性，使其从一个理论概念转变为安全数据处理的实用工具。

如今，FHE 已成为 Web2 网络安全的前沿技术，广泛应用于云计算和数据分析领域。在这些领域中，敏感信息必须得到保护，同时又不能影响提取有价值见解的能力。Web2 已经有了严格的隐私保护措施，尽管是中心化的，但依然容易受到攻击。Web3 最初是为公共数据而构建的，这是 Web3 生态系统需要解决的一个关键挑战。如果 Web2 明天就变成了 Web3，那么我们的杂货账单、应用程序订阅、电话账单等都将成为公共信息。在 Web3 中解决保密问题显得至关重要。FHE 或是用户未来得以实现增强隐私和安全性强有力方案，在实现保密的同时允许对加密交易、数据和智能合约进行操作。

在零识证明 Zero Knowledge Proofs, 多方计算 Multi-Party Computation 和全同态加密 FHE 三种方法中，FHE 是基石，这三种方法构成了 Web3 中的一个新的垂直领域：去中心化保密计算（Decentralized Confidential Computation — DeCC）。DeCC 将极大地扩展 Web3 的使用案例，并使 Web3 得到广泛应用。