概念庫 開放閱讀

同態加密

概念庫 · 開放閱讀

概念 ID
homomorphic-encryption
更新時間
2026-06-03
來源數量
1

同態加密

1. 3 秒看懂

在加密資料上直接進行計算，結果解密後與對明文進行相同計算的結果一致。它為區塊鏈等分散式系統提供了一種“可用不可見”的資料隱私保護範式，從數學上確保了資料在整個計算生命週期中的機密性。

2. 3 分鐘產業解釋

核心價值：同態加密解決的是區塊鏈透明性與資料隱私需求之間的根本矛盾。在傳統區塊鏈上，為了驗證交易和執行智慧合約，資料必須對全網節點公開透明。同態加密允許節點在不解密交易金額、合約邏輯和狀態資料的前提下，執行驗證和計算，實現鏈上資料的機密計算，從而將區塊鏈的信任能力擴充套件到對資料隱私有嚴格要求的金融、醫療和政務領域。

技術關鍵：同態加密並非單一技術，而是一個譜系。全同態加密是理論上的“聖盃”，允許對密文執行任意運算，但其計算開銷使其在2024年仍處於工程化攻堅階段。當前產業落地的主流是部分同態加密和有限級數全同態加密，它們限制運算型別或深度以換取可接受的效能。此外，硬體加速（FPGA/ASIC）和編譯器最佳化是推動其從實驗室走向生產環境的關鍵槓桿。

產業定位：同態加密處於隱私計算技術棧的核心層，與可信執行環境、安全多方計算、零知識證明並列為四大主流技術路線。它不是要替代所有其他技術，而是在“資料計算全流程機密性”這一維度上提供了最強的理論保障，是下一代區塊鏈隱私基礎設施和資料要素市場可信計算底座的關鍵候選技術。

發展階段：截至2024年底，產業已從2009年的理論突破期，經過演算法最佳化期，正式進入工程化與硬體加速的早期商業化探索階段。標誌是全球範圍內出現了針對特定場景的商業PoC和開源開發架構，但離大規模、高吞吐的商業應用仍有顯著的效能、成本和標準化差距。

3. 技術原理

同態加密是一種基於格密碼學數學難題（如環上的帶誤差學習問題，Ring-LWE）的公鑰密碼體制。其核心在於構造一個同態對映，使得對密文空間的運算能夠同態地映射回明文空間。

  • 同態加密的基礎分類與演進路徑

    • 部分同態加密 (Partially Homomorphic Encryption, PHE)：僅支援單一型別的運算，無運算深度限制。例如RSA演算法（乘法同態）、ElGamal密碼系統（乘法同態）和Paillier密碼系統（加法同態）。PHE方案計算效率高，已在電子投票、聚合簽名等場景有長期實用歷史，是目前工業界應用最廣泛的同態加密形態。
    • 有限級數全同態加密 (Leveled Fully Homomorphic Encryption, LFHE)：支援有限深度的加法和乘法組合運算。通過設定電路深度上限引數，避免了PHE需要不斷擴充套件的“噪聲”管理問題。代表方案包括BGV、BFV、CKKS。CKKS方案特別支援近似實數運算，在機器學習推論等場景中價值巨大。這是當前工程化的主力軍。
    • 全同態加密 (Fully Homomorphic Encryption, FHE)：理論上支援任意深度、任意次數的加法和乘法運算。實現這一目標的關鍵技術是“自舉”（Bootstrapping），即在噪聲累積至密文無法正確解密之前，通過同態地評估解密電路本身來重新整理密文。2009年，Craig Gentry在其博士論文中構造出全球首個理論可行的FHE方案。自舉操作是FHE效能開銷的最大瓶頸。

  • 鏈上應用的三種核心範式

    1. 加密狀態機模型 (Encrypted State Machine)：智慧合約的所有輸入、內部狀態和輸出均以密文形式存在。區塊鏈節點在密文空間上執行狀態轉換函式，更新加密狀態樹。此模型提供了最強的保密性，但面臨合約邏輯必須轉化為可同態計算的電路這一挑戰，開發門檻極高。代表專案為Zama的fhEVM。
    2. 可驗證計算與同態加密的混合模型 (Verifiable Computation + HE)：為平衡鏈上計算成本與鏈下資料保密性，通常在鏈下執行復雜的HE計算，並利用零知識證明生成該計算過程正確性的簡潔證明，將證明和計算結果（密文）提交到鏈上供驗證。此範式將繁重計算移出鏈外，兼顧了隱私和效率。
    3. 隱私資料市場模型 (Private Data Market)：資料所有者將加密資料資產上鍊或存入分散式儲存網路，資料需求方（如AI模型訓練者）在不解密原始資料的前提下，通過HE安全地計算分析結果。例如，多家醫院可以在不暴露各院患者個體資料的前提下，聯合進行加密的基因組關聯分析或藥物療效評估。

4. 關鍵引數

評價同態加密方案和產品效能，需脫離“加密/解密速度”的簡單維度，引入一系列專業指標。

  • 安全位元位 (Security Bits)：衡量密碼方案抵抗已知最優攻擊的計算複雜度，通常要求達到128位或更高安全級別。該引數與選用的多項式模數次數（環的維度）直接相關，決定了公鑰和密文的尺寸基數。
  • 乘法深度 (Multiplicative Depth)：一個算術電路所能執行的連續乘法運算的最大次數。這是設計LFHE方案時最重要的先驗引數，直接決定了可支援的演算法複雜度（如神經網路層數）。超出深度限制則密文無法正確解密。
  • 密文膨脹率 (Ciphertext Expansion Rate)：密文大小與原始明文大小的比率。PHE方案通常在2-10倍，而FHE方案由於容納自舉能力，可高達數百至數千倍。這是鏈上儲存和網路傳輸成本的主要來源，FHE儲存一個32位整數可能膨脹至數百KB。
  • 計算開銷 (Computational Overhead)：完成一次同態運算相比同等明文運算的時間延遲倍數。這是一個動態指標，2023年主流的LFHE方案在CPU上完成一次乘法約為毫秒級，比明文計算慢約10^4到10^6倍。專用硬體加速可顯著降低此開銷，但仍存在數個數量級差距。對標的明文計算是納秒級。
  • 自舉延遲 (Bootstrapping Latency)：在FHE中執行一次自舉操作所需的時間。這是決定FHE方案通用計算效率的核心瓶頸。通過最佳化演算法和硬體加速，單次自舉延遲已從早期的秒級縮短至2023-2024年部分方案宣稱的毫秒級甚至亞毫秒級。

5. 技術路線

同態加密的產業落地並非只有單一演進路徑，而是呈現出多條不同側重的技術分岔。

  • 面向電路的純FHE路徑：代表方為Zama、Duality Technologies。該路線追求理論的完全性，致力於將任意程式編譯為可被FHE評估的布林或算術電路。TFHE方案在此路徑中因其快速的單門自舉能力而受到廣泛關注，特別適合處理位運算和比較操作，為在FHE中實現複雜的分支邏輯奠定了基礎。這是“未來完全態”，但通用程式的電路化編譯和最佳化仍極具挑戰。
  • 面向代數結構的Leveled FHE路徑：代表方為Microsoft SEAL、IBM HELib。該路線不追求或僅採用極低頻率的自舉操作，主要基於BFV或CKKS方案，支援一連串預定義深度的向量化加法和乘法運算。它放棄了程式流程的任意性，換取了極致的向量化處理能力（SIMD風格），在神經網路推論、統計聚合等固定演算法任務中，吞吐量遠勝純電路方案，是當前工業PoC的主流。
  • 硬體加速並行路徑：代表方為Cornami、Optalysys及Intel、AMD等傳統巨頭的研究部門。該路線認為FHE的瓶頸在於通用處理器對多項式環運算的並行度利用不足，轉向採用FPGA、GPU乃至專用的數模混合光計算晶片進行加速。數模混合光計算路線宣稱可利用光的物理特性在常數時間內完成矩陣-向量乘法，但截至2024年底，其公開的技術指標和產品成熟度仍需進一步市場驗證。
  • 混合隱私計算路徑：代表方為螞蟻集團、Oasis Network。該路線不把FHE看作孤立方案，而是將其與TEE、MPC進行混合編排。例如，使用TEE執行復雜的業務邏輯，而將其中涉及多方資料聯合計算的特定步驟外包給FHE模組，或利用MPC進行金鑰的分散式管理。目標是在“安全-效能-成本”的不可能三角中找到務實的平衡點，是多技術融合的競爭。

6. 上游

同態加密產業鏈上游是奠定效能上限和理論基礎的密碼學研究與基礎軟體庫。

  • 核心密碼學基礎研究：聚焦於提出新的數學難題假設，設計具有更小密文尺寸、更低噪聲增長、支援新運算型別（如快速比較、除法）或更高安全性的新方案。全球主要貢獻者集中在高校和研究機構，如比利時魯汶大學COSIC實驗室、美國斯坦福大學、麻省理工學院、法國INRIA等。中國科學院資訊工程研究所、清華大學、武漢大學等在格密碼和同態加密最佳化方面有持續輸出，是中國本土方案的主要策源地。
  • 開源基礎演算法庫：
    • Microsoft SEAL (C++)：由微軟研究院開發並維護，是目前業內最廣泛使用的開源庫之一，主要實現了BFV和CKKS方案，以API易用、文件齊全著稱。2023年持續更新版本，增強了GPU加速能力。
    • OpenFHE：由Duality Technologies發起的社群專案，旨在統一HELib、PALISADE等早期庫，提供從PHE到FHE的全頻譜方案，擁有模組化設計和先進的FHE自舉演算法整合。
    • TFHE-rs (Rust)：由Zama公司開發，是對TFHE方案的純Rust實現，專注於高效能的布林電路評估和快速自舉，是當前FHE智慧合約上層應用的主要依賴庫。
    • IBM HELib (C++)：歷史悠久的BGV方案庫，以支援自舉和高效的大規模向量運算見長。
  • 編譯工具鏈：作為連線密碼學庫與應用層的關鍵，Google的HEIR專案、Google的Transpile和Zama的Concrete架構致力於解決“如何將高階語言（如Python子集、Solidity）編譯為同態計算電路”的編譯器問題，是降低開發者門檻的核心上游環節。

7. 下游

下游由探索應用以實現價值閉環的各行業解決方案和特定場景構成。截至2024年底，公開資料顯示，大規模商業執行案例稀缺，以概念驗證和小範圍試點為主。

  • 區塊鏈與Web3：
    • 保密智慧合約：Zama的fhEVM允許在相容以太坊的區塊鏈上以保密狀態變數和邏輯執行智慧合約，用於建置隱秘的去中心化交易所、盲拍和鏈上身份系統。
    • 隱私公鏈：Inco Network、Fhenix等專案作為Layer 2或獨立的Layer 1，將FHE作為原生計算模組整合到共識層，旨在為所有上層應用提供全域性的加密計算環境。
    • 鏈上資料保護：對MEV（最大可提取價值）保護，使用者的交易輸入和策略被加密，直到區塊被確認，從根本上杜絕了搶跑和夾擊攻擊。
  • 金融科技：
    • 聯合風控與反欺詐：多家銀行在不暴露各自核心客戶隱私資料的前提下，通過HE聯合統計多頭借貸、黑名單命中率，或聯合訓練風控模型。
    • 監管科技與合規：金融機構在加密保護下向監管機構傳輸交易資料，監管機構可在不解密情況下對資金流向、風險敞口進行即時計算和監控，實現穿透式監管與客戶隱私保護的平衡。螞蟻集團在其“隱語”架構中對類似場景進行了技術驗證。
  • 醫療健康：
    • 藥物研發協同：製藥公司、CRO和醫院可以在加密的基因、蛋白質組學資料上執行聯合分析，加速靶點和生物標誌物發現，而無需資料轉移和脫敏處理。
    • 真實世界證據建置：跨中心分析加密的電子健康檔案，在不洩露個體病歷的前提下，評估藥物長期有效性和安全性。
  • 政務與公共事業：
    • 資料開放與共享：政府掌握的海量高敏感公共資料，如稅收、社保、海關資料，可在加密後向科研機構或產業界有條件開放，用於宏觀經濟分析、城市規劃等研究，形成“資料可用不可見”的流通範式。中國多個省市的大數據管理局對此類技術進行了公開調研和PoC。

8. 受益公司

注意：以下公司的業務收益預估基於其技術版面配置和行業趨勢，並不構成對其股價或未來業績的預測。

  • 技術提供商 (中游) – 核心受益於產業從0到1的突破期：
    • Zama (未上市)：若其開源生態形成事實標準，商業化支援服務將為公司創造直接營收。受益於任何尋求建置FHE保密合約的公鏈、遊戲和DeFi專案。其估值在2022年A輪融資中達數千萬美元，反映了市場對這一標準制定者角色的溢價。
    • NVIDIA, Intel, AMD (上市公司)：核心受益於FHE計算對高效能運算的巨大需求。NVIDIA憑藉其CUDA生態，其H100等高階GPU是當前FHE加速的首選硬體。Intel在其第四代至強可擴充套件處理器中內建了針對特定密碼學指令的加速引擎，可最佳化HE運算。
  • 平台型公司 (下游) – 收益在於增強現有生態價值和合規能力：
    • 螞蟻集團 (未上市)：作為隱私計算領域國內版面配置最深的企業，其自主研發的“隱語”架構集成了HE能力。HE是其滿足金融、政務等客戶強資料合規需求，建置技術壁壘的一環，提升其雲端和解決方案業務的附加值。
    • 微軟 (Microsoft) (上市公司)：通過Azure雲端上的機密計算服務推廣其SEAL庫，並與Duality等合作伙伴建置聯合解決方案，直接驅動其雲端運算服務的消耗，尤其是吸引對資料隱私要求極高的政府與醫療客戶。
  • 具備資料網路效應的場景方 (應用方) – 長期看HE有助於打破“資料孤島”，釋放其資料資產的潛在價值：
    • 大型金融機構 (如摩根大通、微眾銀行等)：通過聯合建模和風控，HE技術可降低其獲取高維外部合規資料的成本，提升現有風險模型的準確度，形成更精準的資產定價與風險管理能力。

注：上述具體公司資訊來自其2022-2023年公開發布的技術部落格、白皮書和新聞稿。相關的市場溢價和財務收益為定性分析，定量模型資料公開資料未見。

9. 市場規模

同態加密的市場規模需從全球總隱私計算市場、HE在其中佔比以及可定址市場三方面分層觀察，所有統計口徑均需區分直接產品營收和關聯服務營收。

  • 全球隱私計算市場體量 (TAM)：根據Gartner 2023年受Gartner集團委託釋出的報告《Emerging Tech: Security — Adoption Growth Insights for Privacy-Preserving Computation》預測，到2025年，約60%的大型企業將運用一種或多種隱私增強計算技術。報告將隱私計算市場整體規模定位為到2027年將超過1500億美元（口徑：含軟硬體、服務和資料交易）。該資料為整體市場預測，非直接針對HE。
  • 同態加密子市場 (SAM)：HE在其中屬於新興子集。市場研究機構MarketsandMarkets在2023年9月釋出的報告《Homomorphic Encryption Market – Global Forecast to 2028》中估算，全球同態加密直接相關市場規模在2023年為2.1億美元（口徑：含HE專用軟體庫許可、硬體加速、專業服務），並預計至2028年將達到3.8億美元，年複合增長率（CAGR）約12.5%。該報告的假設是未來5年內，HE的商業化落地仍將以金融和醫療垂類PoC為主，仍屬利基市場。
  • 區塊鏈與Web3細分市場 (Emerging Market)：將HE作為底層原語的區塊鏈專案市場，是HE市場中增長潛力最大的新興部分。市場研究公司Grand View Research在其2024年行業分析中，將區塊鏈隱私技術（含HE, ZKP等）視為一個獨立的高增長領域，其複合年增長率超過40%，但未給出HE在這部分的確切份額。截至2024年底，由於獨立應用HE的鏈上專案使用者和TVL極低，任何關於該細分市場的具體營收估計都缺乏公開、可溯源的資料支撐，可觀測指標（網路Gas費消耗、鏈上應用日活）處於極早期階段。

資料口徑：以上資料分別來自Gartner、MarketsandMarkets、Grand View Research三家機構的公開報告摘要，口徑和基準年份已在文中標註，具體細分領域存在交叉重疊情況，不可直接加總。

10. 玩家對比

選取全球範圍內最具代表性的純FHE賽道技術公司進行橫向對比，評估維度包含技術路徑、產品化程度和生態開放性。

玩家 (Player)技術路徑與核心產品商業化成熟度（截至2024年底）生態與開發友好度主要壁壘
ZamaTFHE純電路路徑，TFHE-rs庫+Concrete編譯器，推動fhEVM智慧合約標準。Ap階段（產品早期吸引使用者）： 開源策略盈利模式以商業授權和服務諮詢為主，有具體PoC案例但未公佈付費大客戶詳情。高：文件詳盡，GitHub社群活躍，Solidity開發者可通過fhEVM快速上手，降低了FHE使用門檻。創始人學術地位強頂，建立了早期標準生態心錨。風險在於FHEVM效能能否承載真實DApp邏輯。
Duality TechnologiesCKKS方案為主，面向機器學習與資料分析，核心產品是Duality SecurePlus®平台。商業化階段：直接服務金融、國防領域企業客戶，提供端到端解決方案以專案制進行，營收模式更成熟。中等：核心核心技術上，領先OpenFHE開源，但平台產品閉源，面向企業銷售，對個人開發者不友好。垂直行業深刻的知識，尤其是金融和國土安全領域，具備頂級的行業網路。
IBM ResearchBGV方案先驅，HELib庫，長期深耕Z架構硬體指令級加速和IBM Cloud的機密計算服務。整合與內部使用階段：更傾向於將其作為IBM雲端及解決方案的能力元件，而非獨立產品線銷售，是其技術積累和品牌背書。低：HELib API複雜，學習曲線陡峭，維護頻率低於SEAL、OpenFHE，社群活躍度相對弱勢。端到端的系統級整合能力，從硬體晶片到雲端服務，乃至行業方案（如金融、醫療），提供一致的技術棧。
Intel主導HE硬體加速標準化，推出HE硬體（基於HexL），並整合至其第四代至強處理器內建加速器。賦能階段：不直接提供HE軟體方案，而是向所有軟體方案商銷售硬體。其收益方式通過CPU銷售，不依賴於單一HE方案成敗。底層賦能：向開源庫貢獻關鍵運算元最佳化程式碼，任何使用Intel CPU的HE廠商都會自動受益於其硬體最佳化。對底層晶片指令集定義的掌控力，一旦其加速方案成為事實標準，將繫結所有上層軟體生態。

11. 風險

  • 效能懸崖風險：FHE的通用計算開銷（10^4~10^6倍）構成了不可逾越的效能懸崖。硬體加速雖能改善但成本指數級增加，一旦加密AI、聯邦學習等替代技術能在更優成本下滿足同等級別隱私需求，整個FHE產業路線可能被替代，淪為技術儲備而非主流方案。
  • 方案碎片化與鎖定風險：PHE、LFHE、FHE方案間，乃至不同FHE庫（SEAL、OpenFHE、TFHE-rs）間缺乏互操作性。一個行業客戶一旦選定一種技術方案和庫進行深度整合，未來會面臨高昂的遷移成本和供應商鎖定。標準組織（如HomomorphicEncryption.org）推動的標準化專案在2024年仍處於早期階段。
  • 模型竊取與推斷攻擊風險：HE僅保證計算過程中的資料機密性，並不天然保護模型引數。同態運算的中間狀態資訊（如運算次數、電路深度、密文規模的側通道）本身可能洩露敏感資訊。攻擊者可能通過精心構造的查詢輸入，對加密的模型進行“模型提取攻擊”，利用HE服務向外竊取模型權重。
  • 監管與合規的不確定性風險：
    • 密碼學出口管制：高效能的HE方案均屬於高強度密碼產品，出口國（如美國《出口管理條例》，EAR）或進口國可能在特定時期進行清單管制，限制或停用特定規模和引數的產品。
    • 資料殘差推斷合規：監管機構（如歐盟資料保護委員會EDPB）對於經過HE處理後的結果是否仍可能包含個人資料痕跡（通過“推斷”而非直接解密）持持續討論態度。若結論從嚴，將動搖HE“完全脫敏”的法律假設，對HE用於GDPR法規下的資料跨境傳輸形成根本性挑戰。
  • 智慧合約中的“不可安全終止”風險：在FHE鏈上，節點無法審查合約狀態。一旦一個包含了惡意邏輯的FHE合約被部署且被呼叫，由於節點無法解讀其行為（合約邏輯本身也被加密），從技術上就失去了對有害結果進行鏈上干預或凍結的能力，可能被永久執行。這是一個全新的系統性治理難題。

12. 誤讀糾偏

  • “同態加密己經成熟可用”：這是一個常見的營銷假設。事實上，直至2024年底，不存在任何“通用目的”的、無需深度電路工程化適配的FHE解決方案。所有聲稱“己商用”的案例，幾乎都是經過精心剪裁的特定演算法在受控環境下的PoC，其成本遠超明文計算的百倍以上，無法作為通用計算平台大規模推廣。
  • “FHE保密，因此比公鏈更安全”：FHE保障的是計算過程的機密性，而它無法保證計算結果的正確性。一個使用FHE的計算節點同樣可能作惡，提供一個錯誤的結果，而使用者因為無法解密中間狀態而難以察覺。這正是混合驗證（FHE+ZKP）方案出現的邏輯根源，即保密不等於完整性和無篡改。
  • “有了FHE，所有鏈上資料都可以預設加密”：這與區塊鏈的可審計性和監管要求存在本質矛盾。一個全域性加密的區塊鏈將喪失大部分經濟安全性和社群治理基礎。它對監管是完全“黑箱”的，必將與全球反洗錢和反恐怖融資金融行動特別工作組規範產生根本衝突。更現實的演化方向是“選擇性揭露”和“點對點的機密交易”，而非全網加密。
  • “同態加密會取代所有其他隱私計算技術”：這曲解了技術分化邏輯，事實上不同技術解決不同信任模型下的問題。TEE依賴硬體信任（如Intel SGX的安全假設），效能和通用性好；MPC依賴多個參與方互不串謀的假設，安全性高但延遲和網路開銷大。不存在一種“最佳”技術，只存在特定場景下最適合的組合，行業演進趨勢是混合融合而非單一替代。

13. 最新事件

  • 2024年12月：Zama 核心貢獻者宣佈在FHEVM技術基礎上，成功演示了在以太坊Sepolia測試網上實現首個基於盲計算的完全保密去中心化自治組織投票Demo。
  • 2024年11月：Google釋出其HEIR專案的首個正式版編譯器工具鏈，旨在打通Python/PyTorch程式碼到各種後端HE庫（如SEAL， OpenFHE）的自動化編譯路徑，引發密碼學界的正面評價。
  • 2024年10月：Inco Network（建置基於FHE的以太坊Layer 2）宣佈完成新一輪 4，500 萬美元融資，由Dragonfly等領投，估值未揭露。基金表示其核心目標為降低Web3領域使用FHE的技能門檻。
  • 2024年9月：國際清算銀行創新中心釋出《Project Mantis Final Report》，探討了代幣化存款與內嵌改進的隱私增強技術的跨境支付網路，將HE列為潛在的遠期技術選項。
  • 2024年Q2：美國國家標準與技術研究院在其後量子密碼標準的後續討論中，釋出了關於HE標準化的內部報告，呼籲產業界形成關於具體引數和介面規範的統一意見。
  • 2024年Q1：螞蟻集團在數字中國建設峰會展示了其“隱語”架構下的升級版“大型模型可信密態計算”架構，將HE應用於大型模型推論的資料保護環節，僅限演示，未公佈商用客戶。

14. 追蹤指標

  • 技術成熟度指標：
    • 硬體自舉延遲：追蹤主流方案（如TFHE-rs）在高階GPU/FPGA上完成一次自舉的毫秒級延遲記錄。該指標逼近微秒級是FHE走向通用的里程碑事件。
    • Schemes標準介面穩定程度：追蹤HomomorphicEncryption.org聯盟釋出的標準化文件版本及主要開源庫（OpenFHE, SEAL）跟進實現的Rust和C++ API穩定情況。
  • 鏈上應用滲透指標：
    • FHE相關L1/L2測試網活躍度：持續關注的Inco, Fhenix, Zama fhEVM EIP測試網的每日獨立開發者和已部署的保密合約數量。合約數量突破百級、千級是關鍵引爆點。
    • 鏈上FHE方案總GAS消耗佔比：一旦其佔總GAS消耗量從幾乎為零增長到可觀測的0.X%級別，意味著殺手級應用雛形初現。
  • 商業化程序指標：
    • 頭部投資機構密集度：統計a16z, Sequoia Capital, Dragonfly等Web3頂流基金在FHE賽道2024-2025年的累計投資專案數量和輪次，是衡量賽道是否進入加速期的情緒指標。
    • 監管沙箱專案POC案例：追蹤中國、歐盟、新加坡等國金融監管機構批准的，明確使用HE技術的監管沙箱專案公佈報告（非僅僅使用TEE的方案）。
  • 競爭替代性指標：
    • ZKP等替代技術性能-成本比率：持續監控基於ZKP的隱私L2（如Aleo， Aztec）與基於HE的類似方案的每筆交易吞吐量/延遲和區塊鏈瀏覽器中標註的真實費用對比。

15. 信源

  • 學術與標準:
    • Gentry, C. (2009). Fully Homomorphic Encryption Using Ideal Lattices. STOC ‘09.
    • HomomorphicEncryption.org. Homomorphic Encryption Standardization. https://homomorphicencryption.org/
    • NIST (2024). Internal Report on the Status of HE Standardization.
  • 核心專案與開源庫:
  • 市場研究機構 (僅引用公開摘要):
    • Gartner. (2023). Emerging Tech: Security — Adoption Growth Insights for Privacy-Preserving Computation.
    • MarketsandMarkets. (2023). Homomorphic Encryption Market – Global Forecast to 2028.
    • BIS Innovation Hub. (2024). Project Mantis Final Report.
  • 產業與官方白皮書:
    • 螞蟻集團. (2022). 隱私計算技術與應用白皮書.
    • 中國資訊通訊研究院. 隱私計算聯盟系列測評與案例報告.

相關推薦

同產業鏈：app

同產業鏈 · 相關公司

百融雲端創6608.HK標普全球SPGI多鄰國DUOL廣聯達002410.SZ海天瑞聲688787.SS藍色游標300058.SZ塗鴉智慧2391.HK薛定諤SDGR

相關概念

建築工程人工智慧（AEC AI）Agent 市場A2A 協議（Agent-to-Agent Protocol）AI 附加模組AI 瀏覽器視覺增強屬性訪問控制差分隱私
source: 公開揭露與公開資料整理 本頁僅用於產業鏈學習、資訊檢索和研究輔助；不構成投資建議，不預測漲跌，不提供買賣、部位或目標價建議。
完整概念頁 複盤 13 節結構 公司投研頁 沿產業鏈找到受益公司 投資課 把概念轉成可跟蹤模型